2022年9月22日

利用原子尺度建模进行下一代电池材料的设计与探索

演讲者

加维特·阿加瓦尔
高级科学家

摘要

可充电锂离子电池（LIBs）的发展彻底改变了电动汽车和便携式电子设备。为了提高锂离子电池的功率密度、安全性、可靠性和使用寿命，还需要进一步的突破。在过去的几十年里，电池材料的原子级建模 与实验表征技术相辅相成，已成为新技术开发不可或缺的一部分。 可靠的原子尺度建模能够对庞大的化学和材料设计空间进行快速初步评估，从而加速下一代电池技术的开发周期。

在本场网络研讨会中，我们将演示如何利用Schrödinger的先进数字化学平台，加速设计和发现具有更优性能的下一代电池材料。我们将探讨基于物理理论 和机器学习（ML） 技术在理解电池不同组分（包括电极、电解质和电极-电解质界面）的结构-性能关系方面的应用。 此外，我们还将探讨用于开发尖端神经网络力场的自动化主动学习框架，该框架旨在对液体电解质进行建模。该框架允许利用高精度的范围分离混合密度泛函理论数据对力场进行训练，从而能够准确预测高性能液体电解质的关键体相性质，以应用于先进电池中。

主要学习目标：

• 了解基于物理理论 建模在电池材料领域的预测能力
• 了解自动化高通量模拟 工作流程如何实现对新型电池材料候选物的快速筛选
• 应用先进的神经网络力场进行电解质性质的精确预测