研究人员利用大规模、量子精度反应模拟，结合主动学习和深度等变神经网络，研究固态电池界面演化。这种避免了实验拟合可调参数的方法，揭示了固态电解质界面（SEI）中先前未报道的晶体无序相 Li$_2$S$_{0.72}$P$_{0.14}$Cl$_{0.14}$。模拟还阐明了界面处的锂蠕变机制，这对于理解枝晶形成至关重要。 AI
影响 该研究展示了用于材料科学发现的先进人工智能技术，有望加速电池开发。
排序理由 这是一篇详细介绍计算方法科学发现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- active learning
- arXiv
- deep equivariant neural network
- Li$_2$S$_{0.72}$P$_{0.14}$Cl$_{0.14}$
- Matteo Carli
- solid-state batteries
- {\symcell}
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
