Evaluierung von grundlegenden maschinell gelernten interatomaren Potenzialen für Vorhersagen von Migrationsbarrieren

Key Points

• Die Forschung konzentriert sich auf die Bewertung von maschinell gelernten interatomaren Potenzialen zur Vorhersage von ionischen Migrationsbarrieren in Batteriematerialien.
• Verwendung von maschinellen Lernalgorithmen zur Modellierung von interatomaren Potenzialen.
• Durchführung von computergestützten Bewertungen von Migrationsbarrieren.
• Vergleich der Vorhersagen mit bestehenden Methoden zur Bewertung von Genauigkeit und Effizienz.
• Maschinell gelernten Potenziale reduzierten die Rechenzeit signifikant bei gleichzeitiger Beibehaltung der Genauigkeit.
• Eine verbesserte Vorhersagefähigkeit für ionische Migrationsbarrieren wurde erreicht.
• Die Ergebnisse deuten auf das Potenzial zur Optimierung von Batteriematerialien der nächsten Generation hin.