一级黄色网站在线视频看看,久久精品欧美一区二区三区 ,国产偷国产偷亚洲高清人乐享,jy和桃子为什么绝交,亚洲欧美成人网,久热九九

多硫化鋰的催化轉化是抑制鋰電池穿梭效應的一種有效方法。然而，這種催化體系的機理尚不清楚，這阻礙了陰極催化劑的合理設計。在這里，清華大學Zhou Guangmin通過機器學習輔助設計二進制描述符以破譯硫還原動力學的電子和結構影響。

本文要點：

1) 作者提出了一種用于鋰硫電池性能的二進制描述符的機器學習輔助設計，該描述符由帶匹配指數和晶格失配指數組成，它捕捉了陰極材料的電子和結構貢獻。在鎳基催化劑中，NiSe₂表現出中等的帶匹配指數和最小的晶格失配指數，并被預測和隨后驗證可以改善硫還原動力學和循環穩定性，即使在15.0 mg?cm^?2的高硫負載量下也是如此。

2) 在高硫負載和貧電解質操作下，具有NiSe₂的軟包電池具有402 Wh?kg^?1的質量比能量?。該工作從電子和結構方面對催化活性的基本理解為設計Li–S電池催化劑提供了新視角。

參考文獻：

Zhiyuan Han et.al Machine-learning-assisted design of a binary descriptor to decipher electronic and structural effects on sulfur reduction kinetics Nature Catalysis 2023

DOI: 10.1038/s41929-023-01041-z

https://doi.org/10.1038/s41929-023-01041-z