中國粉體網(wǎng)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(huán)工作的過程中會不可避免地出現(xiàn)，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(diào)節(jié)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(jié)論，因此在一致條件下系統(tǒng)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(fā)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(jié)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(fā)現(xiàn)，在電子結(jié)構(gòu)的方面，摻雜元素的價態(tài)可以顯著改變鎳的價態(tài)以及體系超交換相互作用的強度，從而來調(diào)節(jié)鋰鎳反位缺陷產(chǎn)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(gòu)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(gòu)型中氧的磁矩）。另一方面，缺陷形成帶來的晶體結(jié)構(gòu)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(jié)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(tǒng)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(tǒng)實驗和理論分析方法的限制，為材料的優(yōu)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(wǎng)編輯整理/喬木）

注：圖片非商業(yè)用途，存在侵權告知刪除！