5-5、融合不同精度算法的固态电解质高通量筛选平台建设

肖睿娟¹，何冰^2,4*，池淑婷^2,4，叶安江^2,4，王达^3,4，张文清⁴，施思齐^3,4*

1.中国科学院物理研究所清洁能源重点实验室，北京 100190，2.上海大学计算机工程与科学学院，上海 200444

3.上海大学材料科学与工程学院，上海 200444，4.上海大学材料基因组工程研究院，上海 200444

摘要：运用基于“材料基因组计划”(MGI)的相关思想和技术来加快高性能电池材料的研发速度成为当前电化学能量存储材料领域的重要研究手段之一[1]。聚焦于固态电解质材料体系，本文介绍了融合不同精度的高通量离子输运性质算法及其实现过程，如图1所示，将低精度的键价和方法、几何分析方法(微观几何结构分析及比较、离子输运描述因子计算)和高精度的第一性原理计算、分子动力学模拟及热力学算法相结合，以达到平衡计算时间和精度的目的，最终实现加速高性能新型固态电解质材料的开发。基于上述算法，初步构建了由电池材料数据库(包含31582个CIF结构文件0与121条含Li化合物的离子传导特征参数)、计算工具软件(包含键价和方法与几何分析方法)和任务管理系统三部分组成的固态电解质高通量筛选平台。平台架构如图2所示，分为材料数据、材料计算、数据交互和机器学习四个模块。该平台的主要特点是融合了不同精度算法、对高通量计算获得的数据进行存储和分析[3]，并将其应用于材料筛选的不同阶段，据此初步实现了高离子电导率固态电解质材料的筛选。

在低精度离子输运算法当中，微观几何结构分析利用了Voronoi分解等方法来计算离子迁移间隙及迁移通道的瓶颈尺寸，据此推算出离子迁移路径等信息；键价和方法则可以快速计算晶体结构中的离子迁移通道及其迁移势垒。根据上述键价和方法，已获得了5000多种含Li和9000多种含Na固态电解质的离子输运性质，并用于机器学习分析预测新材料属性。值得注意的是，通过将键价和软件中的可分辨化学键种类从原来的138种扩展为617种，大幅度增加了化合物的研究范围，即由原来的氧化物为主扩展至氧化物、硫化物、氮化物、硒化物、碲化物、卤族化合物等。在此基础上，还发展了针对所有含Li化合物(包括硫化物、氮化物等)体相离子通道估算的键价和筛选算法，将软件的离子输运性质计算功能扩展到了Na, Mg, Zn, Al, O, S, N等其他类型离子中。在高精度算法中，利用第一性原理和分子动力学方法计算固态电解质的势垒、能隙以及电化学窗口等重要特征；热力学算法则根据第一性原理计算的基态能量构建吉布斯自由能模型，再通过平衡条件计算相图，以此优化多元相材料(如四元LiFePO₄化合物)的合成路径[5]。此外，结合了微观几何结构分析与键价和计算得到的离子迁移通道来加快第一性原理弹性带计算方法(FP-NEB)寻找过渡路径的速度，并通过对比分析FP-NEB得到的能量势垒与键价和计算的迁移势垒，实现低高精度计算的相互佐证。图3所示为基于结合不同精度算法的高通量筛选与设计思路获得的两种可用于富锂正极包覆材料的化合物Li₂SiO₃和Li₂SnO₃，改善了富锂正极的循环稳定性。

上述研究有力地促进对电子、离子输运相关物理性质的理解，进而加速了高性能电池材料

的研发进程。同时，平台的建设目前也面临着以下挑战：

1. 用于材料发现与设计的机器学习方法[6]是由数据驱动的，因此，数据的有效性、可靠性、可重复性和共享性对于机器学习挖掘新材料至关重要。然而，数据来源的不一致性、实验条件(温度、压力)及计算的局限性等限制导致数据的匮乏和数据的不准确性,阻碍了机器学习用于电池材料筛选的进程；
2. 原子部分占位、混占等排布的固态电解质结构是材料计算的棘手问题；
3. 材料结构的复杂性限制了离子输运算法的普适性，解决算法的局限性需要反复的实验测试；
4. 对于高通量计算的失败处理难以顾虑周全，因为计算参数、结构文件有误等引起的运行错误是多样性的，往往只能够解决一定范围内的纠错计算。

图1. 高通量计算筛选的思路：不同精度计算方法组合

图2. 高通量固态电解质筛选平台建设架构

图3. Li₂MnO₃正极上包覆Li₂SiO₃和Li₂SnO₃的实验研究

关键词：固态电解质材料研发；高通量筛选平台；多精度算法。

通讯作者：何冰，021-66135317，bhe@shu.edu.cn; 施思齐, 021-66133141, sqshi@shu.edu.cn

参考文献：

1. Commentary: the materials project: a materials genome approach to accelerating materials innovation, Anubhav Jain, Shyue Ping Ong, Geoffroy Hautier, Wei Chen, William Davidson Richards, Stephen Dacek, Shreyas Cholia, Dan Gunter, David Skinner, Gerbrand Ceder, Kristin A Persson, APL Materials 1(1), 011002 (2013).
2. New developments in the Inorganic Crystal Structure Database (ICSD): accessibility in support of materials research and design, Alec Belsky, Mariette Hellenbrandt, Vicky Lynn Karen, Peter Luksch, Acta Crystallographica Section B-structural Science 58(3), 364–369 (2002).
3. High-throughput design and optimization of fast lithium ion conductors by the combination of bond-valence method and density functional theory, Ruijuan Xiao, Hong Li, Liquan Chen, Scientific Reports 5(1), 14227-14227 (2015).
4. Data mining-aided materials discovery and optimization. Wencong Lu, Ruijuan Xiao, Jiong Yang, Hong Li, Wenqing Zhang, Journal of Materiomics 3(3), 191–201 (2017).
5. Li−Fe−P−O₂ Phase Diagram from First Principles Calculations, Shyue Ping Ong, Lei Wang, Byoungwoo Kang, Gerbrand Ceder, Chemistry of Materials 20(5), 1798–1807 (2008)
6. Electrochemical performance of Li-rich Li[Li_0.2Mn_0.56Ni_0.17Co_0.07]O₂ cathode stabilized by metastable Li₂SiO₃ surface modification for advanced Li-ion batteries, Dandan Wang, Xiaoping Zhang, Ruijuan Xiao, Xia Lu, Yaping Li, Tinghua Xu, Du Pan, Yong-Sheng Hu, Ying Bai, Electrochimica Acta 265, 244-253 (2018)
7. Materials discovery and design using machine learning, Yue Liu, Tianlu Zhao, Wangwei Ju, Siqi Shi, Journal of Materiomics 3(3), 159-177 (2017).

致谢：本工作获得国家重点研发计划“跨尺度高通量自动流程功能材料集成计算算法和软件(2017YFB0701600)”资助。

DOI:10.12110/secondfmge.20181014.505