一种基于原子尺度模拟的钠离子电池正极材料脱嵌钠过程热输运性能预测方法
本发明属于钠离子电池,尤其是涉及一种基于原子尺度模拟的钠离子电池正极材料脱嵌钠过程热输运性能预测方法。
背景技术:
1、在钠离子电池充放电过程中,na+不断在正极材料晶格中发生脱嵌和嵌入,使材料内部na含量持续变化,并伴随na空位形成、局域配位环境改变、mn价态变化以及晶格畸变等现象。这些结构变化不仅影响na+扩散行为,同时还会改变晶格振动特性、声子散射过程及热输运性能,进而影响电池热管理效率、倍率性能及运行安全性。因此,建立na含量变化与热输运性能之间的定量关系,对于钠离子电池正极材料设计及热安全优化具有重要意义。
2、目前,机器学习原子间势函数通常利用第一性原理计算获得的能量、原子受力及应力等数据进行训练,并广泛应用于材料结构优化、分子动力学模拟及离子扩散等研究。为了提高模型的泛化能力,训练数据通常需要覆盖材料可能出现的典型局域原子环境,包括平衡结构、受扰动结构以及有限温度下的非平衡构型等。对于热输运性质预测,由于晶格热导率依赖于高阶原子间力常数、声子色散关系及声子散射过程,因此训练数据对势能面的描述精度要求远高于普通分子动力学模拟。除平衡晶体结构外,还需要包含不同原子位移、不同温度扰动及不同局域构型等大量训练样本,以保证机器学习势函数能够准确描述势能面的高阶导数。
3、对于层状钠离子电池正极材料,训练数据的构建更加复杂。随着充放电过程中na+不断脱嵌,不同na含量对应不同的na空位浓度及局域配位环境;即使在相同na含量条件下,由于na占位方式不同,也会形成大量不同的na空位排布构型。这些局域无序结构均可能对声子传播及热输运行为产生显著影响。因此,为保证热输运预测精度,训练数据不仅需要覆盖不同na含量,还需要覆盖丰富的na空位构型、局域原子环境及热振动状态。
4、现有技术通常通过增加第一性原理计算样本数量来提高机器学习势函数的预测精度,但是仍受到如下关键技术的限制:(1)热输运计算对势函数精度要求极高;(2)层状钠离子电池正极材料属于连续组成变化体系,传统机器学习势函数难以统一描述整个na含量空间;(3)na+脱嵌导致大量局域无序构型,训练数据构建困难;(4)层状过渡金属氧化物势能面复杂,已有热输运训练策略难以直接应用。
5、因此,如何利用有限数量的第一性原理训练数据,在保证训练数据具有充分代表性的同时,实现对不同na含量及复杂na空位构型的有效覆盖,并建立能够满足热输运计算精度要求的机器学习势函数,是目前相关技术亟需解决的关键问题。
技术实现思路
1、针对现有技术难以准确描述na+脱嵌过程中复杂的过渡金属-氧键合变化以及局域结构扰动,进而难以精准预测钠离子电池正极材料在na+脱/嵌过程中结构演化与热输运性能的技术问题。本发明提供了一种基于原子尺度模拟的钠离子电池正极材料脱嵌钠过程热输运性能预测方法,兼顾计算精度与模拟尺度,有效实现对不同脱/嵌钠状态下材料热输运性能的系统预测。
2、基于上述技术目的,实施例提供的一种基于原子尺度模拟的钠离子电池正极材料脱嵌钠过程热输运性能预测方法,包括以下步骤:
3、步骤1:基于钠离子电池正极材料naxmno2的晶体结构,建立不同脱/嵌钠状态下的结构模型,并进行结构优化和原子扰动获得原子构型,其中x表示na含量;
4、步骤2:通过第一性原理建立原子构型所需数据集,用于训练初始机器学习原子间势函数,再选择代表性原子构型以扩充数据集,迭代更新机器学习原子间势函数并验证,获得合适的机器学习原子间势函数;
5、步骤3:利用合适的机器学习原子间势函数进行热输运模拟,获得稳定热力学状态下的瞬时热流,并计算不同na含量下的晶格热导率;
6、步骤4:结合声子输运分析方法,建立na含量变化与热导率变化之间的关联关系,解析脱/嵌钠过程的热输运机制,完成热输运性能预测。
7、优选地,步骤1中的结构优化包括:改变用于决定结构允许变化的自由度的参数,所述自由度指允许晶胞形状和体积均改变,多次迭代直至能量精度收敛至10-5 ev,视为结构优化结束;
8、原子扰动包括:改变na含量,并在每个含量下通过对其施加随机位移扰动和有限温度扰动;其中,na含量选自0、0.5或1,有限温度扰动采用从头算分子动力学方法,取150~450 k温度范围内的原子构型。
9、进一步地,所述的原子构型包含局域结构畸变和非平衡状态。用于提高训练数据对实际充放电过程中结构演化的覆盖能力。
10、优选地,步骤2中通过第一性原理建立原子构型所需数据集,包括:针对所述的原子构型,采用第一性原理计算方法计算钠离子电池正极材料naxmno2体系的总能量、原子受力以及应力信息,形成数据集;
11、所述数据集包括:不同na含量状态下的平衡结构数据、不同na空位分布条件下的局域结构数据、有限温度分子动力学采样获得的非平衡结构数据、以及不同原子扰动条件下的能量和受力数据。
12、通过上述数据构建,使训练数据能够覆盖na+脱出过程中晶格膨胀、局域畸变以及结构无序变化等关键状态。
13、优选地,步骤2中,选择代表性原子构型以扩充数据集,包括:
14、利用训练后的机器学习原子间势函数开展分子动力学模拟,对原子构型进行空间采样;利用训练后的机器学习原子间势函数对候选原子构型进行预测,根据预设采样评价指标筛选具有代表性的原子构型,并通过第一性原理计算获得其能量、原子受力及应力信息,将标注后的原子构型加入训练数据集,实现数据集的主动扩充。
15、进一步地,所述的采样评价指标为系综模糊度,当所述系综模糊度超过预设阈值时,标注对应的原子构型。
16、优选地,步骤2中的验证内容包括:钠离子电池正极材料naxmno2体系的总能量、原子受力、晶体结构稳定性及声子动力学性质,并将预测结果与第一性原理计算结果进行对比,保留达到预设预测精度要求的机器学习原子间势函数,即为合适的机器学习原子间势函数。
17、通过建立合适的机器学习原子间势函数,能够准确描述na空位形成引起的局域原子环境变化、mn-o配位结构变化及晶格振动特性,并能够用于预测不同na含量体系的热输运性质。
18、进一步地,所述的预设预测精度要求通过对比晶体结构稳定性及声子动力学性质进行确定,如果预测的晶体结构动力学不稳定,则需要继续调整参数或者加入新的训练集并训练机器学习原子间势函数。
19、可选地,步骤3中的热输运模拟采用平衡分子动力学模拟,结合green-kubo理论计算晶格热导率。
20、优选地,步骤4中,所述的声子输运分析方法,包括:基于合适的机器学习原子间势函数,结合玻尔兹曼输运方程计算不同na含量体系的声子色散关系、声子态密度、声子群速度和声子散射率,作为热输运参数;
21、分析所述热输运参数以建立na含量变化与热输运性能之间的关联关系,用于评价na含量变化对局域原子环境、晶格振动特性、声子输运行为及热导率的影响规律。
22、进一步地优选地,通过观察对热导率做出主要贡献的频率范围,计算所述主要贡献得频率范围内平均声子群速度、平均声子散射率为热导率做出的贡献,对不同na含量体系的热输运行为进行定量分析,以揭示na含量变化对热输运性能的调控规律。
23、另一方面,本发明还提供了一种基于原子尺度模拟的钠离子电池正极材料脱嵌钠过程热输运性能预测系统,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于当执行所述计算机程序时,实现所述的钠离子电池正极材料脱嵌钠过程热输运性能预测方法。
24、另一方面,本发明还提供了一种计算机可读存储介质,其上存储有程序,所述程序被处理器执行时,执行所述的钠离子电池正极材料脱嵌钠过程热输运性能预测方法。
25、与现有技术相比,本发明具有以下有益效果:
26、(1)本发明通过建立适用于不同na含量状态的原子尺度模拟方法,实现了对钠离子脱出和嵌入过程中材料结构演化与热输运性能变化的关联分析,能够克服传统实验测试方法难以直接揭示微观结构变化对热传导影响的问题。
27、(2)本发明采用机器学习原子间势函数描述材料内部原子相互作用关系,相比传统经验势函数方法,能够更准确地反映钠离子脱/嵌过程中na空位形成、晶格畸变以及过渡金属-氧配位环境变化等复杂结构特征,从而提高复杂钠离子电池正极材料体系模拟的可靠性。
28、(3)本发明结合第一性原理计算精度和机器学习势函数的大尺度模拟能力,突破了传统第一性原理分子动力学方法在体系尺寸和模拟时间尺度方面的限制,可用于研究包含大量原子、缺陷以及结构无序特征的钠离子电池正极材料体系。
29、(4)本发明不仅能够预测不同脱/嵌钠状态下材料热输运性能变化,还能够进一步分析钠含量变化引起的晶格结构演化、原子振动行为以及声子散射机制,为理解钠离子迁移、结构稳定性和热传导之间的耦合作用提供理论依据;并且不局限于单一钠离子电池正极材料,可根据不同材料体系构建相应原子模型和机器学习势函数,用于层状过渡金属氧化物等多种钠离子电池正极材料的热输运性能评价,为新型储能材料设计和电池热安全管理提供有效技术手段。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com