Deep understanding of ionic conduction mechanism based on time fluctuation

2023 Fiscal Year Final Research Report

• Project/Area Number: 21H02038
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 36020:Energy-related chemistry
• Research Institution: Chiba University
• Principal Investigator: Takahiro Ohkubo 千葉大学, 大学院工学研究院, 准教授 (50534541)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 固体電解質 / ケミカルシフト / 四極子結合定数 / 第一原理計算 / GIPAW計算 / 機械学習

Outline of Final Research Achievements

Using solid-state NMR experiments and theoretical calculations, we proposed a method to analyze the relationship between ion environments and host structures in solid-state materials. First-principles molecular dynamics (MD) simulations based on density functional theory (DFT) were performed. Solid-state NMR parameters were theoretically estimated for DFT-MD-derived structures at each time step. Subsequently, a machine learning model that can predict the NMR parameters from the atomic structures was constructed. This enabled us to predict NMR parameters that reflect the relationship between the conduction paths associated with ion motion and the host structure without requiring computationally expensive GIPAW calculations.

Free Research Field

無機材料化学

Academic Significance and Societal Importance of the Research Achievements

固体ＮＭＲ実験では、材料の局所構造やダイナミクスを評価できるツールとして利用されるものの、固体ＮＭＲ実験のみでは原子の3次元構造を直接決定することが難しい。本研究の結果、実験で得られる固体ＮＭＲパラメータを理論計算に基づいた構造モデルと組み合わせて解析することで、材料の着目した原子周り局所構造やダイナミクスを解析できるようになった。これにより、電池材料に代表される局所構造とそのまわりのダイナミクスが性能を決定する材料の理解が進み、新しい素材の設計や性質の解明に貢献することが期待される。