|
本年度は、機械学習原子間ポテンシャル（ここではニューラルネットワークポテンシャルを使用）を用いた、硫化物固体電解質の解析を昨年度から継続して行った。また、電場印加下での固体電解質中におけるイオンの動的過程の計算手法の開発に取り組み、下記の成果を得た。
（１）固体電解質材料中の各イオンのボルン有効電荷を予測するためのニューラルネットワークモデルを開発した。なお、ボルン有効電荷は密度汎関数摂動法計算によって算出した。そして、予測したボルン有効電荷と一様電場の積を各イオンが電場から受ける外力とし、さらに、ニューラルネットワークポテンシャルと組み合わせることで、電場印加下でのイオンの動的過程の計算手法とした。そこで、開発した手法を酸化物固体電解質（ここではリン酸リチウムを使用）材料に適用したところ、電場印加方向にリチウムイオンの移動が促進されるという物理的に妥当な結果を得ることができた。また、アモルファス構造に対してイオンの移動挙動を調べたところ、アモルファス構造中では結晶中よりもはるかに電場の影響を受けやすいということがわかった。
（２）昨年度の研究において部分的に結晶化した硫化物固体電解質構造を得た。そこで、結晶化度の違いによるリチウムイオンの拡散性を分子動力学計算によって解析したところ、結晶化の進行に伴ってリチウムイオンの活性化障壁が低下するという結果を得た。これはガラス構造中に析出した結晶相の種類と形状に起因していること示唆するものである。
|
