Insights into lithium manganese oxide–water interfaces using machine learning potentials

密度泛函理论 化学物理 电子结构 氧化物 离解(化学) 锂(药物) 离子 材料科学 化学 催化作用 计算化学 纳米技术 物理化学 内分泌学 有机化学 冶金 医学 生物化学
作者
Marco Eckhoff,Jörg Behler
出处
期刊:Journal of Chemical Physics [American Institute of Physics]
卷期号:155 (24) 被引量:20
标识
DOI:10.1063/5.0073449
摘要

Unraveling the atomistic and the electronic structure of solid-liquid interfaces is the key to the design of new materials for many important applications, from heterogeneous catalysis to battery technology. Density functional theory (DFT) calculations can, in principle, provide a reliable description of such interfaces, but the high computational costs severely restrict the accessible time and length scales. Here, we report machine learning-driven simulations of various interfaces between water and lithium manganese oxide (LixMn2O4), an important electrode material in lithium ion batteries and a catalyst for the oxygen evolution reaction. We employ a high-dimensional neural network potential to compute the energies and forces several orders of magnitude faster than DFT without loss in accuracy. In addition, a high-dimensional neural network for spin prediction is utilized to analyze the electronic structure of the manganese ions. Combining these methods, a series of interfaces is investigated by large-scale molecular dynamics. The simulations allow us to gain insights into a variety of properties, such as the dissociation of water molecules, proton transfer processes, and hydrogen bonds, as well as the geometric and electronic structure of the solid surfaces, including the manganese oxidation state distribution, Jahn-Teller distortions, and electron hopping.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
单于黎云完成签到,获得积分10
刚刚
科研通AI2S应助科研通管家采纳,获得10
1秒前
科研通AI2S应助科研通管家采纳,获得10
1秒前
Singularity应助科研通管家采纳,获得10
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
2秒前
ding应助科研通管家采纳,获得10
2秒前
爆米花应助科研通管家采纳,获得10
2秒前
细腻盼烟完成签到,获得积分10
2秒前
2秒前
2秒前
2秒前
进击的DOPA完成签到,获得积分10
2秒前
3秒前
Ruby发布了新的文献求助10
5秒前
FashionBoy应助细腻盼烟采纳,获得10
7秒前
aa应助AKA蜻蜓队长采纳,获得10
7秒前
晓亮完成签到,获得积分10
7秒前
7秒前
绿绿完成签到,获得积分10
7秒前
8秒前
小猫宝完成签到 ,获得积分10
9秒前
73Jennie123完成签到,获得积分10
9秒前
ainiowo发布了新的文献求助10
9秒前
yyjm发布了新的文献求助10
10秒前
小二郎应助WD采纳,获得10
12秒前
kier应助吾问无为谓采纳,获得10
12秒前
Brightan完成签到,获得积分10
13秒前
子车茗应助zZ采纳,获得10
13秒前
Hello应助yr采纳,获得10
13秒前
善学以致用应助haha采纳,获得10
14秒前
slowride关注了科研通微信公众号
14秒前
15秒前
15秒前
lyt010307完成签到,获得积分10
16秒前
白色完成签到,获得积分10
16秒前
17秒前
17秒前
17秒前
Raimon发布了新的文献求助10
18秒前
高分求助中
Sustainability in ’Tides Chemistry 2000
Sustainability in ’Tides Chemistry 1500
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Ethnicities: Media, Health, and Coping 800
Treatise on Geomorphology(2nd Edition - March 1, 2022) 520
Gerard de Lairesse : an artist between stage and studio 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3070075
求助须知:如何正确求助?哪些是违规求助? 2724068
关于积分的说明 7483773
捐赠科研通 2371206
什么是DOI,文献DOI怎么找? 1257323
科研通“疑难数据库(出版商)”最低求助积分说明 609889
版权声明 596879