Publicly Offered Research
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
全固体リチウムイオン電池開発の大きな課題の一つが電極/電解質間の界面抵抗の低減である。本研究課題では、界面近傍でのイオンの挙動を精度よく解析することを目的とし、第一原理計算をよく再現できる機械学習手法を用いた原子間ポテンシャルを作成する。代表的な酸化物系・硫化物系固体電解質と正極電極材料との界面において本手法を適用し、イオンダイナミクスの解析から界面抵抗の起源を原子スケールから明らかにすることを目的とする。
本研究では、全固体リチウム（イオン）電池（LIBs）開発の課題の一つである電極と固体電解質の界面における抵抗の起源を原子スケールから明らかにすることを目的とし、機械学習手法を用いた原子間ポテンシャル（機械学習ポテンシャル）を作成し、界面近傍でのリチウム欠陥挙動を解析した。昨年度に作成した機械学習ポテンシャルを用いて、引き続き金（Au）とリン酸リチウム（Li3PO4）の界面モデルでのリチウム欠陥挙動を調査した。界面近傍に存在するリチウム欠陥の密度と欠陥生成エネルギーの関係を調べたところ、格子間リチウム欠陥は界面直上に存在しやすいことがわかった。また、得られた結果を第一原理計算で検証し、機械学習ポテンシャルの予測精度と界面系に適用する際の問題点がわかった。LIBs開発における他の重要な課題として固体電解質のリチウムイオン伝導率の向上がある。本研究領域では硫化物系の固体電解質材料を用いた研究が精力的に進められている。その中で、アモルファス材料の一部を結晶化することでリチウムイオン伝導率が向上することが知られている。そこで、上述の結晶化ガラス材料のリチウムイオン伝導機構を原子スケールから明らかにするために、機械学習ポテンシャルの方法をLi3PS4材料に適用した。密度汎関数理論（DFT）に基づく第一原理計算データから機械学習ポテンシャルを作成し、作成したポテンシャルを用いた分子動力学（MD）計算からアモルファス構造を得た。さらに、得られたアモルファス構造に対してMD計算を行い、結晶化が起こる条件の検証を進めた。
令和3年度が最終年度であるため、記入しない。
All 2022 2021 2020
All Journal Article (3 results) (of which Int'l Joint Research: 1 results, Peer Reviewed: 3 results, Open Access: 2 results) Presentation (7 results) (of which Int'l Joint Research: 3 results, Invited: 1 results)
Vacuum and Surface Science
Volume: 64 Issue: 8 Pages: 369-374
10.1380/vss.64.369
130008072753
The Brain & Neural Networks
Volume: 28 Issue: 1 Pages: 3-30
10.3902/jnns.28.3
130008021506
Physical Review B
Volume: 103 Issue: 9 Pages: 094112-094112
10.1103/physrevb.103.094112
