Modeling phase transformations in Mn-rich disordered rocksalt cathodes with machine learning interatomic potentials

Deze studie maakt gebruik van machine learning interatomaire potentialen om te onthullen dat Mn-rijke ongeordende rotszoutkathodes een faseovergang ondergaan naar een spinel-achtige structuur, gedreven door transitiemetalmigratie in plaats van Mn$^{2+}$-vorming, wat resulteert in verbeterde lithiumtransportkinetiek en een hogere capaciteit.

De kern

Stel je een batterij voor als een bruisende stad waar piepkleine lithiumionen de forenzen zijn, en de kathode van de batterij is een massief, druk appartementencomplex. Jarenlang proberen wetenschappers betere gebouwen te bouwen voor deze forenzen. Een veelbelovend ontwerp wordt een "Disordered Rocksalt" (DRX) gebouw genoemd. Het is als een chaotisch appartementencomplex waar de bewoners (mangaan, titanium en andere atomen) willekeurig zijn neergegooid, zonder specifieke regels over wie waar woont.

Het probleem is dat in dit chaotische gebouw de lithiumforenzen soms vast komen te zitten, waardoor de batterij traag en minder krachtig wordt. Echter, recente experimenten toonden aan dat er iets magisch gebeurt: nadat de batterij een paar keer is gebruikt (geladen en ontladen), reorganiseert dit chaotische gebouw zichzelf spontaan in een meer georganiseerde, "spinel-achtige" structuur. Deze nieuwe structuur zorgt ervoor dat lithium veel sneller kan bewegen, wat de prestaties van de batterij een boost geeft.

De grote vraag was: Hoe ruimt dit rommelige gebouw zichzelf magisch op, en wat gebeurt er precies van binnen?

Hier kwamen de onderzoekers, onder leiding van Peichen Zhong en Gerbrand Ceder, in beeld. Ze konden dit niet in het echt zien gebeuren omdat het te snel gaat en op een schaal is die te klein is voor het menselijk oog. In plaats daarvan bouwden ze een super-slimme digitale tweeling van dit gebouw met behulp van een type kunstmatige intelligentie genaamd een "Machine Learning Interatomic Potential" (MLIP).

Hier is een eenvoudige uitsplitsing van wat zij ontdekten:

1. De "Slimme Architect" (Het AI-model)

Traditionele computersimulaties zijn als proberen het gewicht van elke individuele baksteen in een gebouw met de hand te berekenen — het duurt eeuwen en is te traag om het hele plaatje te zien. De onderzoekers gebruikten een vooraf getrainde AI (genaamd CHGNet) die de basiswetten van de fysica voor veel materialen al had geleerd. Vervolgens hebben ze deze AI specifiek "fijn afgesteld" voor hun mangaanrijke batterijmateriaal.

Zie deze AI als een super-architect die precies kan voorspellen hoe elk atoom zal bewegen en reageren, maar dan miljoenen keren sneller dan traditionele methoden. Dit stelde hen in staat om een simulatie te draaien die een "nanoseconde" duurde (een miljardste van een seconde), wat een eeuwigheid is in de wereld van atomen.

2. De Grote Herordening (Faseovergang)

Ze begonnen hun simulatie met het chaotische, ongeordende gebouw. Terwijl ze de "film" van de bewegende atomen bekeken:

• De Migratie: De mangaanatomen (het zware meubilair in onze appartementenanalogie) begonnen rond te schuiven. Ze bewogen van hun willekeurige plekken naar specifieke, georganiseerde rijen.
• De Trigger: Een veelvoorkomende theorie was dat deze atomen alleen bewogen omdat ze van elektrische lading veranderden (zoals een persoon die van stemming verandert). Echter, de AI-simulatie onthulde een twist: De atomen begonnen al te bewegen voordat ze hun lading volledig hadden veranderd.
• Het Resultaat: De mangaanatomen organiseerden zichzelf in een specifiek patroon (de "spinel-achtige" of δ-fase). Zodra dit patroon was gevestigd, vonden de atomen een nieuwe toestand met een lagere energie. Het is alsof een rommelige kamer plotseling in een perfect, georganiseerde lay-out springt omdat de meubels een comfortabelere plek hebben gevonden.

3. Het "Snelweg"-effect (Waarom het beter is)

De belangrijkste ontdekking ging over de "wegen" binnen het gebouw.

• In het rommelige gebouw moesten de lithiumforenzen navigeren door smalle, geblokkeerde paden.
• In het nieuwe, georganiseerde gebouw bewogen de mangaanatomen opzij om brede, open snelwegen (genaamd "0-TM kanalen") te creëren waar alleen lithium en lege ruimte bestonden.
• De Analogie: Stel je een drukke gang voor waar mensen de weg blokkeren. Als de mensen opzij gaan staan en een nette rij vormen, ontstaat er een duidelijk pad zodat de hulpverleners (lithiumionen) er razendsnel doorheen kunnen racen. Dit is waarom de batterij sneller wordt en meer energie vasthoudt.

4. Het Mysterie van de Lading

De onderzoekers keken ook naar de "stemming" (valentietoestand) van de mangaanatomen. Ze ontdekten dat hoewel sommige mangaanatomen wel van lading veranderden (ze werden "Mn2+"), dit gebeurde nadat de structuur al was begonnen met organiseren.

• Oude Theorie: De atomen veranderden eerst van stemming, wat hen dwong te bewegen.
• Nieuwe Bevinding: De atomen bewogen eerst om het gebouw te organiseren, en daarna veranderde hun stemming om bij de nieuwe orde te passen. De organisatie veroorzaakte de verandering in lading, niet andersom.

5. De Prestaties van de Batterij

Ten slotte simuleerden ze hoe de batterij elektrisch zou reageren.

• Het Oude Rommelige Gebouw: Wanneer je de batterij probeerde op te laden, schommelde de spanning (de "druk" die de lithium voortstuwt) onregelmatig op en neer, als een hobbelige rit.
• Het Nieuwe Georganiseerde Gebouw: De spanning werd vloeiend en stabiel, als een rit over een snelweg.
• De Capaciteit: De nieuwe structuur kon meer lithium vasthouden dan de oorspronkelijke rommelige structuur, en kon dit doen zonder de structurele spanning die batterijen normaal gesproken in de loop der tijd beschadigt.

Samenvatting

Kortom, dit onderzoek gebruikte een supersnelle AI om toe te kijken hoe een chaotisch batterijmateriaal zichzelf reorganiseert tot een zeer efficiënte, geordende structuur. Ze ontdekten dat de atomen eerst bewegen om een betere indeling te creëren, en dat de elektrische veranderingen daarna volgen. Deze nieuwe lay-out creëert "snelwegen" voor lithium, waardoor de batterij sneller, sterker en stabieler wordt. Het is een beetje alsof je toekijkt hoe een chaotische menigte spontaan een ordelijke wachtrij vormt, waardoor er een duidelijk pad ontstaat zodat iedereen sneller kan bewegen.

Technische samenvatting

Technische Samenvatting: Modellering van Faseovergangen in Mn-rijke Disordered Rocksalt Kathodes met Machine Learning Interatomaire Potentialen

Probleemstelling
Mn-rijke disordered rocksalt (DRX) kathodematerialen, zoals Li$_x$Mn$_{0.8}$Ti$_{0.1}$O$_{1.9}$F$_{0.1}$, vertonen een gunstige in-situ faseovergang van een gedisordeerde structuur naar een gedeeltelijk gedisordeerde spinel-achtige fase (de $\delta$-fase) tijdens elektrochemische cyclering. Deze transformatie is geassocieerd met een verhoogde capaciteit en de snelheid van reacties (rate capability). Echter, de mechanismen op atomaire schaal die deze transitie aansturen—specifiek de gekoppelde dynamica van transitiemetal (TM) migratie, ladingstoestand-evolutie en kationenordening—zijn moeilijk te modelleren. Conventionele ab initio methoden zijn computationeel onhaalbaar voor de vereiste tijd- en lengteschalen, terwijl traditionele cluster expansie (CE) modellen niet over de expressiviteit beschikken om complexe, door lading gekoppelde dynamische processen en migratiebarrières in diverse lokale omgevingen te vangen.

Methodologie
De auteurs gebruikten een meerfasige computationele workflow gecentreerd rond een fijn afgestelde Machine Learning Interatomaire Potentiaal (MLIP) gebaseerd op de CHGNet-architectuur.

1. Dataset Constructie: Een uitgebreide bemonstering van de Li–Mn–Ti–O–F chemische ruimte werd uitgevoerd met behulp van r2SCAN-DFT berekeningen. Dit omvatte:
   • Bestaande stabiele verbindingen uit de Materials Project en eerdere DRX-CE datasets.
   • Speciaal gegenereerde gedeeltelijk gedisordeerde structuren met variërende graden van spinel-achtige ordening, gecreëerd via Monte Carlo (MC) simulaties en site-exchange protocollen.
   • Specifieke bemonstering van TM migratiepaden (octaëder-tetraëder-octaëder, of o-t-o, en directe o-o paden) bij verschillende delithiëringsniveaus om hoog-energetische barrièregebeurtenissen te vangen.
2. Model Training: Een "Trial-CHGNet" werd aanvankelijk fijn afgesteld op relaxatie-trajecten. Vervolgens werd een "Sample-CHGNet" geparametriseerd met behulp van statische DFT-berekeningen van de gesamplede migratiepaden en MD-trajecten om de bemonstering van thermisch geëxciteerde configuraties te verbeteren. Ten slotte werd een "Product-CHGNet" fijn afgesteld op een trainingsset van 88.852 structuren, waarbij testfouten van ~2 meV/atoom (energie) en ~68 meV/Å (kracht) werden behaald.
3. Simulatie: Charge-informed moleculaire dynamica (MD) simulaties werden uitgevoerd op een gedelithieerd Li$_{0.6}$Mn$_{0.8}$Ti$_{0.1}$O$_{1.9}$F$_{0.1}$ systeem bij 1273 K. De MLIP gebruikte voorspelde magnetische momenten als proxy voor atomaire lading om valentietoestanden (Mn$^{2+}$, Mn$^{3+}$, Mn$^{4+}$) dynamisch af te leiden.
4. Elektrochemische Analyse: Spanningsprofielen voor de getransformeerde $\delta$-fase, de oorspronkelijke DRX-fase en een volledig geordende spinel-fase werden berekend door convexe hulls van Li-vacatureconfiguraties te construeren en intercalatie-reacties te analyseren.

Belangrijkste Resultaten

• Faseovergang Mechanisme: De MD-simulaties slaagden erin de transitie van een gedisordeerde rocksalt naar een spinel-achtige $\delta$-fase te vangen. De transformatie is thermodynamisch gunstig, bewezen door een reductie in anion-energie van ~60 meV.
• Migratie en Ordeningssequentie: De studie onthult een specifieke sequentie van gebeurtenissen:
  • Mn-migratie initieert primair als Mn$^{3+}$ die door tetraëdrische sites beweegt, wat gebeurt voordat de vestiging van langreikende spinel-achtige ordening plaatsvindt.
  • Het verschijnen van tetraëdrische Mn$^{2+}$ is een gevolg van de spinel-achtige ordening, in plaats van de trigger voor kationenmigratie.
  • De getransformeerde structuur vertoont een hogere concentratie van niet-transitiemetal (0-TM) face-sharing kanalen (tetraëdrische sites omringd door enkel Li of vacatures), die cruciaal zijn voor Li-percolatie.
• Elektrochemische Signaturen:
  • In tegenstelling tot de geordende spinel Li$_x$MnO$_2$, die een twee-fase reactie vertoont met een scherpe spanningsstap (>1 V) bij delithiëring onder $x \approx 0.6$, behoudt de $\delta$-fase een solid-solution gedrag met een pseudo-plateau bij lage voltages.
  • De $\delta$-fase vertoont een hogere Li-capaciteit afgeleid van de 0-TM naar tetraëdrische-Li conversiereactie vergeleken met zowel de DRX- als de volledig geordende spinel-fasen.
  • De DRX-fase vertoont een beperkte capaciteit rond 3 V door een gebrek aan 0-TM kanalen en een steilere spanningshelling.

Betekenis en Claims
Het artikel claimt inzicht te bieden op atomair niveau in de vaste-stof faseovergang in Mn-rijke DRX kathodes en de directe relatie daarvan met experimentele elektrochemie. De auteurs benadrukken dat hun werk aantoont dat MLIP's, specif kinder de charge-informed CHGNet, het potentieel hebben om complexe oxide materialen te modelleren waar ladingdynamica en structurele evolutie nauw aan elkaar gekoppeld zijn. Door de tijdschaal discrepanties tussen ladingsdisproportionering en ion-hopping op te lossen, daagt de studie het eerdere concept uit dat Mn$^{2+}$-vorming migratie triggert, en suggereert in plaats daarvan dat het de vestiging van spinel-achtige ordening volgt. Het werk biedt een mechanistisch begrip van hoe gedeeltelijke kation-disorder nadelige twee-fase reacties elimineert terwijl het Li-transportkinetica en capaciteit verbetert, wat de bruikbaarheid van MLIP's voor het bestuderen van complexe energiematerialen valideert.