二维储能材料的计算管道搜索
近年来，由于电动汽车的出现，以锂离子电池和超级电容器为主的环保型储能设备的研究取得了巨大的进展。在追求更轻、更小的储能装置的过程中，具有高表面质量比的电极材料是非常需要的。二维(2D)材料是这种要求的理想选择。然而，二维材料空间是巨大的，尽管最近的努力(实验和理论)，只有一小部分已经被探索。有限的选择阻碍了二维材料在储能器件中的应用前景。
为了解决这个问题，来自电子系统工程系的Arnab Kabiraj和Santanu Mahapatra报告了一个完全自动化的、基于第一原理的计算框架，该框架可以以高通量的方式评估数千种二维材料的能量存储能力。
任何材料中最大锂离子存储容量的现实估计都需要全局最小搜索，这在计算上是困难和昂贵的。研究人员设计了四个易于计算的描述符来简化这个问题。这些描述符不仅能够快速筛选材料，而且还提供了重要的化学见解(例如电极在充放电过程中的体积变化)。
他们的方法还结合了显式离子和隐式溶剂形式来评估材料在LIB和超级电容器方面的潜力，使其适用于超级电容器-电池混合系统，该系统已被提出为电动汽车的可行解决方案。
利用计算管道生成的大数据，研究人员训练了基于晶体图的机器学习模型，并演示了这种数据驱动的模型如何有助于从其他数据库中快速发现潜在材料。
尽管最近报道了许多扫描大物质空间的高通量研究，但这项工作因其针对性应用、整体方法和独特的计算技术而脱颖而出。策划的材料集预计将作为未来实验工作的起点。
参考:
Kabiraj和Mahapatra，用于储能设备的二维电极材料的高通量评估，细胞报告物理科学(2021),https://doi.org/10.1016/j.xcrp.2021.100718
代码，数据，ML Pickle:https://doi.org/10.6084/m9.figshare.14406740
