| 研究課題/領域番号 |
21K14729
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分36020:エネルギー関連化学
|
|---|
| 研究機関 | 国立研究開発法人物質・材料研究機構 |
|---|
研究代表者 |
JALEM Randy 国立研究開発法人物質・材料研究機構, エネルギー・環境材料研究センター, 主任研究員 (20767553)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2021年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
|
|---|
| キーワード | solid-state batteries / solid electrolytes / machine learning / dft calculations / molecular dynamics / data science / ion dynamics / computational science / 機械学習ポテンシャル / 固体電解質 / 全固体電池 / 第一原理計算 |
|---|
| 研究開始時の研究の概要 |
This proposal seeks to develop robust machine-learning potentials based on group-theoretical high-order rotational invariants for use in the computational design of solid electrolytes for all-solid-state batteries.
|
| 研究成果の概要 |
本研究では、全固体電池用固体電解質の計算設計および特性評価に使用するため、モーメントテンソルポテンシャル(MTP)アプローチに基づく高精度な機械学習ポテンシャルを体系的に開発した。beta-Li3PS4固体電解質を対象として、それのバルクと粒子構造におけるLiダイナミックス解析するために、MTP開発を行った。
|
| 研究成果の学術的意義や社会的意義 |
beta-Li3PS4は現在商業的に利用可能な固体電解質材料の一つであり、その性能向上は全固体電池技術の進展に貢献する可能性がある。開発された機械学習ポテンシャルは、beta-Li3PS4固体電解質のリチウムイオン伝導性に影響を与えるより複雑な構造や粒子形態特性を調査するために使用できる。これには転位や孔領域を含む界面などが含まれる。
|
