摘要
化石能源的持续开采对全球环境产生了不可忽视的影响，因此，探寻清洁能源的重要性日益凸显。锂离子电池凭借其长寿命、高能量密度和稳定的放电电压等显著优势，在日常生活中的储能设备上得到了广泛应用。然而，随着能源需求的增长以及地壳中锂资源的稀缺，锂电池成本降低的速度缓慢，这迫切促使人们寻求新型储能技术。钾元素，作为锂的同族元素，由于其丰富的储量、较小的斯托克斯半径和相比于钠离子电池所具有的高能量密度，使得钾离子电池（PIBs）成为锂离子电池的有力替代者。然而，钾离子较大的离子半径对其储存和扩散效率造成了负面影响，这严重限制了负极材料的选择范围。因此，挑选出性能更优的负极材料，成为推动钾离子电池技术发展的关键步骤之一。 插层型负极材料可提供更多的吸附位点，从而达到较高的能量密度；而相对于合金型和转化型负极材料，其还具有稳定的循环性能以及高效的离子传输机制，所以在钾离子负极材料的研究中备受关注。本文结合第一性分子动力学、第一性原理计算和机器学习方法，对两类插层型负极材料即氮掺杂石墨炔基材料（TA-BGY）和二维过渡金属碳、氮化物（MXene），在钾离子电池负极应用中的潜力进行了深入分析。研究内容包括： 1.通过第一性原理和分子动力学研究了体材料TA-BGY的结构及其稳定性。我们在单层TA-BGY的基础上通过分析不同的滑动距离之间的结合能确定了体材料TA-BGY的结构。进一步的第一性分子动力学研究显示，即便在400K的高温下，TA-BGY的键长也保持稳定，且声子谱分析未发现虚频，这些结果共同证明了体材料TA-BGY具备出色的热力学和动力学稳定性。 2.通过第一性原理研究了钾在TA-BGY中的存储机制和迁移机制。通过对材料电子性质的分析，量化了不同浓度下钾离子吸附的电荷转移，从而评估了吸附强弱。同时发现钾吸附时的大部分电荷全部转移到氮原子附近，进一步解释了氮掺杂和孔结构的储钾机理。同时通过NEB的计算得到沿孔洞边缘的扩散势垒，证明其具有良好的充放电效率。 3.通过机器学习和第一性原理研究结构参数和电子性质与钾吸附能之间的关系。首先基于第一性原理建立起结构式为M2X的MXene材料的结构数据和吸附能数据库，随后采用不同的机器学习模型研究其中间的关系。发现吸附能主要与晶格参数、电负性、功函数关联较为密切，以随机森林为核心模型预测RMSE为0.04，R2为0.97。 4.基于机器学习通过低浓度钾吸附能数据预测高浓度钾吸附能。通过计算分析，收集了V2C材料在不同浓度下的吸附能数据。随后，应用差分法和分区间模型，成功预测高浓度的钾吸附能数据。
NETL