Caramel LabCaramel Lab
#

고체전해질

2의 한국어 분석 — 최신순으로 정렬했어요

전기·전자발표 2026.09· 0

Li3YCl6 구조와 리튬 이온 전도도 영향

할라이드 기반 리튬 고체 전해질은 향상된 리튬 이온 전도성과 고전압 양극에 대한 우수한 안정성으로 최근 주목받고 있습니다. 합성 조건이 양이온 결함 화학에 영향을 미쳐 리튬 이온 이동성에 영향을 미친다는 보고가 많지만, 이러한 화합물에서 리튬 이온 수송을 지배하는 구조와 기본 메커니즘은 여전히 논쟁 중이며 성능 최적화에 어려움을 줍니다. 본 연구에서는 다양한 조건에서 합성된 Li3YCl6의 포괄적인 구조 분석을 제시합니다. 육방 밀집(hcp) 음이온 골격 내 Y-결함 정렬의 유형과 길이 규모 변화가 Li3YCl6의 다양한 형태 간 구조적 차이를 유발함을 밝혀냈습니다. 낮은 온도에서 처리된 샘플은 두 개의 다른 양이온 층에 Y3+와 결함이 더 균일하게 분포하는 경향을 보였습니다. 반면, 고온 처리는 한 층에 Y3+가 우선적으로 점유하고 다른 층에는 결함이 지배적인 결과를 초래했습니다. 이러한 온도에 따른 재분배는 열처리 시 관찰되는 다중 상전이의 근간을 이룹니다. 시뮬레이션 및 실험 구조에 대한 Kinetic Monte Carlo 시뮬레이션 결과, Y-결함이 균일하게 분포된 구조는 더 균형 잡힌 면내 리튬 이온 확산 거동을 보였습니다. 이는 Y-결함이 분리된 상에서 Y-결핍 층에서는 리튬 이온 확산이 용이하지만 인접한 Y-풍부 층에서는 심하게 방해받는 것과 대조적입니다. 이 연구는 Li3YCl6 구조를 둘러싼 오랜 논란을 해결하고, hcp 기반 층상 할라이드 전해질에서 리튬 이온 전도도를 최적화하기 위한 양이온-결함 분포 조작의 중요성을 강조합니다.

재료공학발표 2026.09· 0

고체 전해질 원자 단위 역설계

이 연구는 고체 전해질의 이온 전도도를 극대화하기 위한 원자 단위 설계의 근본적인 문제에 도전합니다. 대규모 조합 최적화 문제를 해결하기 위해 키네틱 몬테카를로(KMC) 시뮬레이션과 이징 머신 기반의 블랙박스 최적화 알고리즘인 이차 최적화 어닐링을 이용한 인자분해 머신(FMQA)을 결합한 프레임워크를 제안합니다. 제안된 KMC-FMQA 프레임워크는 KMC를 통해 특정 도펀트 배열에 대한 이온 전도도를 평가하고, FMQA는 소규모 구성-전도도 데이터셋으로부터 대리 모델을 반복적으로 학습하여 전도도를 최대화할 것으로 예상되는 배열을 제안합니다. 대규모 KMC 시뮬레이션 셀에서 발생하는 조합 폭발 문제를 해결하기 위해 구성 공간을 분할하여 병렬 최적화를 수행합니다. 개념 증명으로, 이 KMC-FMQA 프레임워크를 8 mol% 이트리아 안정화 지르코니아에 적용하여 무작위 배열보다 한 자릿수 높은 전도도를 가진 도펀트 배열을 성공적으로 식별했습니다. 이 프레임워크는 실험 결과와 결합될 때, 측정된 전도도로부터 미세 구조를 결정하고 근본적인 전송 메커니즘에 대한 통찰력을 제공함으로써 고체 전해질 설계에 혁신적인 기여를 할 것으로 기대됩니다.

연구 트렌드로 돌아가기