深度势能方法及其在电化学储能材料中的应用

作     者：邓斌 华海明 张与之 王晓旭 张林峰 DENG Bin;HUA Haiming;ZHANG Yuzhi;WANG Xiaoxu;ZHANG Linfeng

作者机构：北京深势科技有限公司 北京科学智能研究院 

出 版 物：《储能科学与技术》 (Energy Storage Science and Technology)

年 卷 期：2024年第13卷第9期

页      码：2884-2906页

摘      要：深度势能模型（Deep Potential， DP）通过先进的机器学习技术，从大量的原子结构和能量数据中提取知识，构建出高精度的势能面。这一创新方法有效突破了传统力场方法的局限，为材料科学领域带来了新的视角。本文概述了DP模型和软件的基本原理、开发过程与应用流程；回顾了其在电化学储能材料中的应用，展示了DP模型在揭示电池材料微观结构和动力学行为方面的优势。在正负极材料的研究中，精确描述脱嵌锂过程中材料的结构演变和自由能变化；在固态电解质的研究中，精确描述了材料结构与离子输运行为；在电解液的研究中，不仅提高了对溶液动态结构和性质的认识，还为氧化还原电位、酸度等物理化学性质的精确计算提供了新策略，在界面的研究中，准确解析了界面形成过程中的结构演变以及性质。这些对材料的准确描述均有利于加速对能源材料的开发，同时，指出了DP模型在电池材料模拟中仍需改进的问题，并展望了其在电池材料设计和优化中的潜在应用前景。结果说明了，深度势能模型作为一种强大的计算工具，在电化学储能材料的研究中展现出巨大的应用潜力。通过不断的模型优化和算法创新，DP模型有望在未来的材料设计和电池技术发展中发挥更加关键的作用。

主 题 词：深度势能 分子模拟 储能材料 神经网络 

学科分类：0808[工学-自动化类] 08[工学] 

核心收录：

D　O　I：10.19799/j.cnki.2095-4239.2024.0699

馆 藏 号：203140707...