揭示电荷存储机制
通过机器学习加速分子动力学模拟，在保证从头算精度的同时以更低成本构建了不同电极电位下微孔碳的双电层，阐明了离子去溶剂化存储的界面结构，为提高微孔碳电极的电化学性能提供指导。
Zhang, Yifeng · 黄晖 · Jie, Tian · 李成伟 · Yuchen, Jiang · 范曾 · 潘路军
Energy Storage Materials 2023
机器学习力场在远低于从头算的成本下进行分子动力学模拟，从而能够充分平衡复杂界面。
模拟表明约0.65 nm的孔径因与溶剂化离子尺寸匹配而有利于去溶剂化，指导微孔碳电极设计。
通过模拟钠离子嵌入过程，阐明了电极电位对孔内离子存储的关键作用。