中國粉體網訊 近年來，富鎳層狀正極材料因其高能量密度和低成本備受關注。然而，鋰鎳反位缺陷在材料合成和循環工作的過程中會不可避免地出現，對鋰離子電池性能有著重要影響。前人的大量研究工作通過引入摻雜元素來調節鋰鎳反位缺陷的程度，但由于實驗方法和材料體系的復雜多樣，即使對于相同的摻雜元素也會得出相反的結論，因此在一致條件下系統探究摻雜元素對鋰鎳反位缺陷的影響具有重要意義。然而，摻雜對體系的影響因素十分復雜，難以直接分析，適用于探索復雜高維信息機器學習算法是解決這一問題的有力工具。
期刊封面
近日，北京大學鄭家新課題組在Journal of Physical Chemistry Letters期刊上發表題為“Interpretable Machine Learning to Accelerate the Analysis of Doping Effect on Li/Ni exchange in Ni-rich Layered Oxide Cathodes”的封面論文（DOI：10.1021/acs.jpclett.3c03294）。該研究基于第一性原理計算，得到高鎳層狀正極材料LiNi0.8Mn0.1X0.1O2中不同摻雜元素X下的鋰鎳反位缺陷形成能，采用結合隨機森林（RF）模型和SHAP分析的可解釋機器學習方法，以加速確定摻雜引入的復雜變量中影響鋰鎳范圍缺陷的關鍵因素。
摻雜對富鎳層狀正極中鋰鎳反位的影響
該工作發現，在電子結構的方面，摻雜元素的價態可以顯著改變鎳的價態以及體系超交換相互作用的強度，從而來調節鋰鎳反位缺陷產生的難易，同時提出了可供評估超交換相互作用強度的兩個指標COOPSU-SD（反位局部構型中晶體軌道重疊布居積分自旋向上與向下的差值）和Mago（反位局部構型中氧的磁矩）。另一方面，缺陷形成帶來的晶體結構變化也影響著鋰鎳反位缺陷的形成難易，劇烈的體積變化使得鋰鎳反位缺陷更難形成。
該工作還提出了結合SHAP分析的可解釋RF模型的方法，使用該方法時需要提供盡可能多與特定系統相關的具有物理意義的特征，并通過線性分析在模型中移除線性相關的冗余特征，來獲得更好的擬合效果和可解釋性。這一方法有助于更快速地分析摻雜對材料性能的影響，突破了傳統實驗和理論分析方法的限制，為材料的優化和研究提供了新的思路。
北京大學博士生賈怡寧和碩士生張瑞琪為論文共同第一作者，北京大學深圳研究生院鄭家新副教授為該論文的通訊作者。該研究得到了國家自然科學基金和深圳市科技研究基金的支持。
（中國粉體網編輯整理/喬木）
注：圖片非商業用途，存在侵權告知刪除！
