计算机模拟帮助科学家衡量电池性能

一个决定电池性能的关键但研究不足的参数是迁移障碍。它决定了离子通过电池内部电极的速率，以及最终充电或放电的速率。由于在实验室中很难测量迁移障碍，研究人员通常使用不同的计算机模拟或近似值来快速预测迁移障碍值。然而，到目前为止，这些模拟中很少有经过实验验证。

在一项新研究中，科学研究所 (IISc) 的研究人员及其合作者全面分析了广泛使用的计算技术，并根据实验室测量中观察到的实际数据验证了他们对迁移障碍值的预测。基于他们的分析，该团队提出了一套强有力的指导方针，以帮助研究人员选择最准确的计算框架来测试可用于未来开发高效电池的材料。

为手机和笔记本电脑供电的锂离子电池由三个主要部件组成：固体负极(阳极)、固体正极(阴极)以及将它们分开的液体或固体电解质。在充电或放电时，锂离子会在电解液中迁移，从而产生电位差。“锂离子电池中的电极不是 100% 固体的。把它们想象成海绵。它们有锂离子必须通过的‘孔’，”材料工程系助理教授 Sai Gautam Gopalakrishnan 解释说， IISc，以及发表在npj Computational Materials上的论文的通讯作者。

决定锂离子穿透这些孔的速率的一个重要参数是迁移势垒——离子穿过电极需要克服的能量阈值。“迁移障碍越低，电池充电或放电的速度就越快，”Reshma Devi 博士说。材料工程系的学生和该研究的第一作者。

“一组使用一种计算技术和另一组使用另一种技术计算相同的迁移障碍值。这些值可能是相等的，但我们不能确定这一点，”Gopalakrishnan 解释说。

两种特定的近似，称为强约束和近似范数 (SCAN) 和广义梯度近似 (GGA)，是计算得出迁移障碍的最广泛使用的方法，但每种方法都有其自身的缺点。“我们采用了九种不同的材料，”Reshma Devi 解释道。“我们检查了哪些近似值最接近每个的实验值。”

该团队发现，SCAN 泛函总体上具有更好的数值精度，但 GGA 计算速度更快。研究人员建议，发现 GGA 在计算某些材料(如磷酸锂)中的迁移势垒时具有合理的准确度，如果需要快速估计，它可能是更好的选择。

Gopalakrishnan 说，这些见解对于寻求在新材料适用于电池相关应用之前测试其性能的科学家来说可能很有价值。“假设您有一种未知材料，并且如果您想快速查看该材料在您的应用程序中是否有用，那么您可以使用计算来做到这一点，前提是您知道哪种计算近似可以为您提供最接近的值。当它出现时，这很有用到材料发现。”

该团队还致力于开发机器学习工具，以帮助加快预测各种材料 的迁移障碍。