电池与储能材料

背景

设计和制造更安全、更经济、更高效的储能设备，是包括汽车、航空和能源在内的众多行业面临的一项关键挑战，这事关社会和环境。 原子尺度材料建模已成为开发新型电池组件（正极、负极和电解液）的必备工具，这些组件能够支持更高的功率密度、容量、倍率性能、更快的充电速度以及更强的抗衰减能力。Schrödinger的材料科学软件平台提供了一套强大的原子尺度建模解决方案，可对电极和电解液中的离子扩散、力学响应和电化学响应，潜在电解液化合物的介电性能以及其他相关性质进行全面分析。

应用：用于锂离子电池添加剂sei成型的虚拟筛选

电解液配方 中的添加剂旨在通过促进稳定的固态电解质界面膜（SEI） 的形成，从而提高介电强度和电极稳定性。为了增强SEI的稳定性，这些电解质添加剂应具有较高的还原电位和更强的反应性。从分子设计的角度来看，前者与最低未占据分子轨道（LUMO）的能量有关，而后者则与分子硬度相关。 利用这两个关键的分子描述符，可以对庞大的化合物库进行筛选，以寻找作为新型电解质添加剂的理想候选物。图1展示了一个虚拟筛选 案例的最终阶段，该案例应用于一个自动生成的化合物库，其中包含368,073种独特的电解质化合物，这些化合物具有6种环状碳酸酯和砜核心以及18种R基团。 最终的化合物列表展示了通过精确力场（OPLS2005 [1]）和半经验量子化学（RM1 [2]）逐步筛选而成的化学设计空间，随后基于密度泛函理论（DFT ）的完整量子化学分析进行了最终筛选。

应用：分子电解质的介电性能

介电常数（介电常数 ）是电池电解质设计的另一个关键因素。由于对于极性相对较低的化合物，介电常数与折射率（介电常数 ）直接相关，因此，利用Schrödinger 材料科学套件对高折射率化合物进行计算（筛选 ），可以快速将潜在的分子电解质候选名单缩小到具有理想介电性能的化合物。 图2总结的一项研究展示了分子液体折射率计算预测的准确性。如图2所示，计算得到的介电常数与实验测得值[5]吻合良好，验证了理论预测的准确性。 这种预测能力直接源于：(1)Schrödinger 软件所采用的计算引擎的速度和精度；(2) 两种独立的模拟 方法——量子力学（量子力学(QM) , QM）与经典分子动力学（分子动力学 (MD) , MD）——之间的无缝集成。该示例展示了如何通过原子尺度的理论预测来评估电池材料的关键固有性质，例如介电性能。

应用：的插层能学电极材料

电极中的离子插层是决定可充电电池核心性能的关键过程。Schrödinger 材料科学平台所采用的周期性DFT 引擎——Quantum ESPRESSO——已在广泛的应用领域中证明了其科学价值，其中包括对电极中离子插层过程的热力学和动力学分析。

Arroyo-de Dompablo 及其同事的研究[3]利用 Quantum ESPRESSO，基于计算预测的插层电压[3]对_LiMXO₄正极材料进行了设计和表征。Schrödinger提供的全面建模和模拟 工作流解决方案，结合 Quantum ESPRESSO，有助于将此类分析扩展至涵盖广泛的化学空间 及材料性能，从而促进新型电极材料 的研究。

除了插层电位外，还有许多其他电极性质可以通过计算方法进行研究。一些重要的例子包括离子迁移动力学和迁移路径、力学性能、离子插层时的体积变化、电子性质、化学稳定性以及与电解质的反应性。

应用：利用经典方法分析聚合物电解质分子动力学 (MD)

为了提高电池性能，需要加快锂离子在电池电解液中的扩散速度。在最近发表的一篇论文[4]中，Brooks及其同事对聚乙二醇（PEO）电解液中的锂离子扩散进行了深入研究。作者利用Schrödinger 材料科学平台及其经典分子动力学（MD）工作流程，研究了混合有双三氟甲磺酰亚胺（也称为TFSI）阴离子的PEO电解液中锂离子的关键扩散机制。 研究通过改变温度和Li:TFSI摩尔比，考察了锂离子的扩散系数[4]。对均方位移扩散速率及Li/聚合物配位情况的分析表明，PEO柔性过高，导致其与锂离子的结合过于紧密；这意味着，若在电解质中使用柔性较低的聚合物混合物，先导化合物 会加速锂离子的扩散。

除了离子扩散本身之外，还可以捕捉并比较离子与电解质之间的配位细节，从而为确定最佳官能团的研究提供指导。通过分子动力学 (MD) 模拟，还可以获得聚合物电解质的热物理和力学性能，从而扩展了早期筛选 中可考虑的固态电解质性能标准。

摘要

Schrödinger旗下材料科学软件中的原子尺度模拟 和建模技术集成式 ，为电池组件（电解液、电极以及稳定SEI的形成）的材料设计过程的各个方面提供了关键洞察。Schrödinger提供的全面解决方案可阐明材料的关键化学过程，并表征其关键热物理性能，从而提高新型材料设计流程的成本效益，并加速新型储能设备的开发。