清华大学陈翔/张强团队：基于大规模即时机器学习分子动力学模拟探究锂金属电池界面反应机制

本文介绍了清华大学陈翔/张强团队利用即时机器学习分子动力学（OTF-MLMD）方法，对锂金属电池界面反应机制进行的大规模模拟研究。背景方面，锂金属电池因其高能量密度备受关注，但其高反应性导致电解液持续分解和SEI膜无序增长等问题，传统实验和模拟方法难以揭示纳米尺度的动态反应机制。研究目的是通过OTF-MLMD方法，在保持高精度的同时提升计算效率，破解锂金属电池界面反应的“黑箱”状态。研究结论表明，该方法成功构建了高精度力场，实现了30万原子的大尺度模拟，揭示了SEI形成的反应机制及其组成（O、F、S、N元素占比分别为50.1%、22.2%、15.6%、12.1%），为下一代能源存储材料设计提供了新工具。