密度泛函理论（DFT）的引入促进了材料性能的研究，这使得固体电解质取得了重大突破，固体电解质已成为下一代储能系统的重要材料。然而，由于大型模拟需要极高的计算成本和较长的模拟时间，DFT面临着巨大局限性。近日，韩国科学技术研究院Byungju Lee报道了使用神经网络势（NNP）的人工智能模拟，以扩展DFT的应用，并探索阴离子对锂亚碲酸盐（Li₆PS₅X，X=Cl和Br）中锂扩散的影响。

本文要点：

1) 作者将锂框架分为两个不同的笼，表明这些笼中心的硫离子与周围的锂离子结合。根据结果，作者提出了一种通过最小化硫离子在笼中心的占据来提高锂离子电导率的策略。

2) 该研究为基于笼中心阴离子构型评估锂离子电导率提供了基准，并加深了对锂亚碲酸盐中离子传输的理解，为储能技术的未来改进提供了重要指导。

参考文献：

Hyun-Jae Lee et.al Lithium Localization by Anions in Argyrodite Solid Electrolytes from Machine-Learning-based Simulations Adv. Energy Mater. 2024

DOI: 10.1002/aenm.202402396

https://doi.org/10.1002/aenm.202402396