社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

​清华张强,Chem. Rev.!将经典、从头算和机器学习分子动力学模拟应用于可充电电池的液体电解质

顶刊收割机 • 11 月前 • 195 次点击  

【做计算 找华算】理论计算助攻顶刊,50000+成功案例,全职海归技术团队、正版商业软件版权!
经费预存选华算,高至16%预存增值!
液体电解质是可充电电池最重要的组成部分之一,对稳定电极−电解质界面、构建安全、长寿命的电池至关重要。在开发新的电解质溶剂、盐、添加剂和配方方面已经付出了巨大的努力,其中分子动力学(MD)模拟在探索电解质结构、物理化学性质方面发挥着越来越重要的作用。尽管目前的计算能力和算法仍然有限,但人们普遍认为,每个领域,包括化学、材料科学和计算机科学,都将迎来很快的重大突破。然而,尽管MD模拟的最新进展,但一个全面的、权威的、关键的、但容易理解的综述非常缺乏。清华大学张强团队综述了MD模拟在可充电电池中电解质和电极结构和界面反应方面取得的进展来填补这一不足,通过MD模拟通过全面的回顾和批判性的讨论,这些应用将加深对电解质结构−性能关系的理解和促进新一代可充电电池先进电解质的合理设计。
作者总结了三类MD模拟的基本原理和最近的理论进展,包括经典的、从头计算和机器学习MD模拟。接下来,依次介绍了MD模拟在液体电解质探索中的应用,包括探测体积和界面结构,推导宏观性质,如电解质的离子电导率和介电常数,并揭示电极−电解质界面反应机制。最后,对MD模拟应用于液体电解质的挑战和未来方向提出了一般性的结论和深刻的看法,从电解质和MD理论方面仍有一些具有挑战性和前景的方向如:1、力场和原子电荷模型的发展;2、MD模拟的精度-效率权衡和加速;3、体/界面结构和界面反应的建模;4、与新兴的ML技术的结合;5、MD辅助的电池制造、管理和监控。

Yao, N., Chen, X., Fu, Z. H., & Zhang, Q. (2022). Applying classical, ab initio, and machine-learning molecular dynamics simulations to the liquid electrolyte for rechargeable batteries. Chemical Reviews, 122(12), 10970-11021.
https://doi.org/10.1021/acs.chemrev.1c00904

🌐 做计算,找华算 🌐

🏅 我们的科研成果已在Nature、Science系列、JACS、Angew、PNAS、AM等世界顶级科学期刊上大放异彩。

🔧 我们提供全面的服务,涵盖:

👉 点击阅读原文加我,探索更多优惠💖

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/173082
 
195 次点击