Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Génération rapide de réactions électrochimiques d’électrolyte de batterie in-silico à l’aide de la minimisation d’énergie multi-échelle 3T-VASP

1K vues

⸱

DOI :

10.3791/68854

⸱

22 août 2025

 ,  ,  ,  ,  , 
1College of Computer Science and Artificial Intelligence, Wenzhou University, 2Wenzhou University Artificial Intelligence and Advanced Manufacturing Institute, 3Tencent Quantum Laboratory, 4Tencent Quantum Laboratory

Dans cet article

Résumé

Le cadre 3T-VASP combine la transformation de la structure hiérarchique avec des gradients multi-échelles ab initio pour réduire considérablement le nombre d’étapes nécessaires pour échapper aux minima d’énergie locaux et modéliser les réactions électrochimiques. Ce protocole présente une méthode pour générer des sous-produits de réaction électrochimique pour diverses combinaisons de composants électrolytiques en utilisant seulement 100 à 150 calculs DFT statiques.

Résumé

Les électrolytes sont des composants importants des batteries lithium-ion. Cependant, la dégradation de la batterie due à des réactions électrochimiques irréversibles dans l’électrolyte peut consommer des molécules d’électrolyte et réduire considérablement sa durée de vie effective. Il est donc important d’étudier les voies de réaction électrochimiques dans l’électrolyte de la batterie afin d’améliorer encore la fiabilité des batteries lithium-ion. Malheureusement, il est difficile d’étudier expérimentalement les voies exactes de réaction électrochimique de l’électrolyte dans l’électrolyte, qui contient généralement de nombreuses espèces chimiques (différents solvants, sels, molécules additives et interfaces d’électrodes). Ces sous-produits de réaction peuvent former une interphase électrolytique solide complexe (SEI) à l’interface électrolyte-électrode (LiF, Li2CO3, Li2O, LiOH, composés organolithiens, etc.), qui sont plus difficiles à analyser, au lieu d’être libérés sous forme de petites molécules de gaz plus faciles à analyser. Notre récente publication sur la technique de transformation tensorielle à plusieurs niveaux en combinaison avec un logiciel de théorie fonctionnelle de la densité (transformée tensorielle à plusieurs niveaux - Vienna Ab-initio Simulation Package (VASP), ou 3T-VASP) permet l’utilisation pratique de l’approche ab-initio pour générer des sous-produits de réaction électrochimique d’électrolyte physiquement significatifs en seulement 100 à 150 étapes DFT. Dans ce travail, nous décrivons plus en détail le fonctionnement interne du code 3T-VASP (disponible publiquement sur Github), ainsi que les étapes de préparation de la simulation nécessaires pour configurer correctement le flux de travail 3T-VASP pour les nouveaux systèmes d’électrolyte d’intérêt au-delà des exemples présentés dans la publication originale de 3T-VASP.

Introduction

L’étude des voies de réaction électrochimiques dans les nouvelles compositions d’électrolytes de batterie est importante pour identifier des méthodes permettant d’améliorer les performances et la durée de vie des batteries de véhicules électriques1. Cependant, de telles études sont souvent difficiles car les électrolytes de batterie sont souvent fabriqués en mélangeant différents composants, tels que des molécules de solvant, de sel et d’additifs, qui interagissent entre eux et avec différentes surfaces (électrodes de cathode et d’anode) sous différentes tensions et températures de fonctionnement de la batterie2. Dans les expériences, certaines des réactions irréversibles de décomposition électrochimique de l’électrolyte sont plus faciles à étudier car elles produisent de petits sous-produits de molécules de gaz qui sont libérés de la solution d’électrolyte dans l’air (ce qui facilite en conséquence l’exploration à l’aide de techniques expérimentales telles que la chromatographie en phase gazeuse 3,4,5). Cependant, bon nombre de ces sous-produits sont des molécules plus grosses ou des mélanges solides organiques-inorganiques complexes, tels que des composés complexes de polymères organolithiens6, qui ne seront pas rejetés dans l’environnement sous forme de molécules de gaz. Il est donc difficile d’étudier expérimentalement ces voies de réaction électrochimiques plus complexes2.

La modélisation ab initio, telle que la théorie de la fonctionnelle de la densité (DFT), est une méthode prometteuse pour étudier les voies de dégradation électrochimique potentielles dans l’électrolyte in silico7. Cependant, une simple minimisation de l’énergie DFT d’une structure électrolytique complexe (mélange liquide avec des concentrations de composants d’électrolytes expérimentalement raisonnables dans une boîte de conditions limites périodiques) échouera la plupart du temps à générer des structures de faible énergie correspondant à des sous-produits de réaction électrochimique physiquement significatifs. Les structures minimisées par DFT ont généralement une énergie plus élevée et représentent des sous-produits non physiques qui correspondent à des voies de dégradation électrochimique incorrectes, car les structures sont piégées dans des minimums d’énergie locaux pendant la procédure de minimisation de l’énergie DFT. Méthodes telles que la dynamique moléculaire ab initio (AIMD)8,9, le champ de force du réseau neuronal 10,11,12,13,14,15,16 ou la métadynamique basée sur la DFT 17,18,19 sont souvent utilisés pour explorer des structures électrolytiques plus diverses, qui peuvent inclure des sous-produits de réaction électrochimique plus significatifs. Le criblage informatique pour générer des composants électrolytiques dont on prévoit qu’ils sont électrochimiquement plus stables est également souvent tenté20. Cependant, toutes ces méthodes ont leurs propres inconvénients, tels que : la nécessité de ressources de calcul importantes et longues7, une grande quantité de données d’entraînement ab initio 13 ou des connaissances préalables sur les éventuels sous-produits de la réaction électrochimique pour biaiser la simulation en résultats spécifiques21.

Nous avons récemment introduit une méthode pour effectuer la minimisation de l’énergie de la structure ab-initio de manière multi-échelle en connectant les gradients d’énergie obtenus à partir de n’importe quelle méthode ab-initio, telle que les forces atomiques DFT calculées à l’aide du logiciel Vienna Ab-initio Simulation Package (VASP)22, avec les gradients de la fonction de transformation de structure calculés à l’aide de PyTorch (3T-VASP)23,24. Cette approche permet à l’utilisateur de configurer simplement une boîte de simulation remplie de plusieurs types et comptages de molécules de composants d’électrolyte et d’exécuter un calculateur externe d’énergie atomique et de force (tel qu’un champ de force classique ou VASP DFT). La minimisation de l’énergie de la structure est alors automatiquement effectuée de manière multi-échelle, ce qui respecte les modes naturels de transformation de la structure des molécules concernées (translations et rotations des différents segments de la molécule). Étant donné qu’une simulation 3T-VASP est généralement « terminée » en 100 à 150 appels DFT statiques tout en générant des sous-produits de réaction physiquement significatifs (beaucoup d’entre eux ont été observés expérimentalement dans la littérature antérieure)24, il est possible d’exécuter de nombreux ensembles différents de trajectoires 3T-VASP pour générer des voies de réaction électrochimiques potentiellement significatives et des sous-produits dans l’électrolyte pour une étude informatique ou expérimentale plus approfondie. Les principes et les mathématiques qui sous-tendent la minimisation de la structure de gradient multi-échelle ont été discutés en profondeur dans une publication précédente24. Dans ce travail, nous visons à détailler davantage l’architecture logicielle et le flux de travail de calcul 3T-VASP, la configuration de l’environnement informatique nécessaire à l’exécution de 3T-VASP, la préparation des fichiers d’entrée pour la simulation 3T-VASP de nouveaux systèmes, la surveillance des simulations 3T-VASP et l’exemple des trajectoires de sortie.

Tout d’abord, il est nécessaire de comprendre l’architecture globale du logiciel 3T-VASP, comme le montre la figure 1. 3T-VASP fonctionne en identifiant et en exploitant les modes naturels de transformation de la structure dans la molécule (car il s’agit de transformations de structure qui sont plus faciles à effectuer pour les molécules tout en maintenant une énergie de structure ab-initio relativement faible)24. Alors qu’il est possible de programmer manuellement ces modes de transformation de structure pour chaque nouvelle espèce de molécule (c’est lourd à faire), 3T-VASP propose d’automatiser ce processus pour l’utilisateur en exploitant les informations disponibles dans le fichier de champ de force classique représentant la molécule24. Une fois que ces modes de transformation de structure sont déterminés pour les composants de la molécule d’électrolyte souhaités, l’utilisateur doit spécifier la boîte de condition aux limites périodiques et ses paramètres de vecteur de réseau (la boîte peut être à l’origine vide, ou partiellement remplie de cations individuels ou de surface d’électrode) pour être remplie davantage avec les types et les nombres souhaités d’autres molécules d’électrolyte (tels que les solvants, les solvants, les ions de sel, additifs). L’algorithme 3T utilisera ensuite soit le champ de force classique (un calculateur de champ de force classique intégré est inclus avec 3T-VASP), soit le logiciel VASP de l’environnement informatique pour calculer l’énergie atomique et les forces afin d’effectuer une transformation de structure multi-échelle, ce qui peut minimiser l’énergie de la structure dans un nombre modeste d’appels DFT statiques24. Cette réduction des coûts de calcul permet de répéter la trajectoire de la réaction électrochimique et la génération de sous-produits pour un grand nombre de structures initiales.

figure-introduction-1
Figure 1 : Flux de travail de calcul de 3T-VASP. (A) Prétraitement des structures d’entrée 3T-VASP (réseau de conditions limites périodiques et petites molécules). La paramétrisation du champ de force des petites molécules peut être effectuée soit automatiquement à l’aide du serveur web SwissParam, soit modifiée manuellement après le paramétrage du serveur web LigParGen, soit chargée à partir d’un cache basé sur la paramétrisation précédemment terminée. La segmentation des micro et macro groupes de l’algorithme 3T se fait automatiquement en analysant les sous-structures des molécules en fonction de leurs liaisons rotatives. Le fichier d’entrée du réseau PBC est au format du fichier VASP POSCAR et doit être conçu pour disposer d’un espace physique vide suffisant pour contenir le nombre souhaité de molécules d’entrée. Le réseau PBC peut être une boîte vide remplie de quelques ions ou une structure de surface avec un espace vide. (B) Les types et les nombres souhaités de petites molécules sont placés dans l’espace vide du réseau PBC à l’aide de PackMol. (C) Minimisation de la structure 3T à gradient multi-échelle à l’aide d’un calculateur de champ de force intégré (3T-FF, principalement pour permettre la dispersion liquide et créer une structure initiale physiquement raisonnable pour 3T-VASP sans tenir compte des réactions chimiques). (D) Minimisation de la structure 3T à gradient multi-échelle à l’aide d’un logiciel externe tel que le calculateur VASP (3T-VASP permet aux réactions électrochimiques de se dérouler). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Divers logiciels externes open source, tels que GROningen Machine for Chemical Simulations (GROMACS), un logiciel classique de dynamique moléculaire basé sur le champ de force, qui est utile pour exécuter des simulations de dynamique moléculaire à grande échelle25 et InterMol, une base de code de bibliothèque Python développée par Shirts et al. pour les conversions de formats de fichiers de dynamique moléculaire26, sont utilisés pour permettre le paramétrage automatisé du champ de force moléculaire et l’extraction de liaisons rotatives. VASP est utilisé pour permettre une réaction électrochimique pendant la phase ab initio (cycles 3T-VASP). Les étapes nécessaires à l’installation de ces dépendances sont présentées dans cet article.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

1. Mise en place d’un environnement informatique pour l’exécution de 3T-VASP

REMARQUE : Il est recommandé d’utiliser Linux27 pour les étapes suivantes.

  1. Configurez l’environnement conda28 dédié à l’exécution de 3T-VASP.
    1. Installez conda (tel que miniconda) sur la machine Linux en suivant les instructions officielles (reportez-vous à la table des matériaux pour le lien).
    2. Créez un nouvel environnement 3T conda, activez-le et installez git en exécutant les commandes suivantes :
      conda create --name 3T python=3.11
      conda activate 3T
      conda install git -c conda-forge
    3. Clonez le dépôt github 3T-VASP et entrez dans le répertoire
      git clone https://github.com/jpmailoa/External_3T.git
      CD External_3T
    4. Installez mamba pour gérer les dépendances conda et installez les bibliothèques requises pour l’environnement conda 3T :
      conda install mamba -c conda-forge
      mamba install --file requirements.txt -c pytorch -c conda-forge -c rdkit
  2. Installez le logiciel GROMACS dans l’environnement 3T.
    1. Installez GROMACS dans l’environnement 3T conda (les instructions d’installation se trouvent dans la table des matériaux).
      REMARQUE : Si l’utilisateur ne prévoit pas de traiter une nouvelle molécule au format .pkl (voir étape 2.3) et qu’il peut travailler avec des molécules existantes qui ont déjà été traitées (sous la forme d’un fichier .pkl), cette installation de GROMACS (étape 1.2) peut être ignorée.
  3. Installez la version modifiée d’InterMol dans l’environnement 3T.
    1. Suivez ces instructions pour installer une version de correction de bogue d’InterMol :
      cd utils/Convert_Gromacs_LAMMPS/InterMol
      Compilation de setup.py Python
      Installation de Python setup.py
      CD.. /.. /..
      REMARQUE : Si l’utilisateur ne prévoit pas de traiter une nouvelle molécule au format .pkl (voir étape 2.3) et qu’il peut travailler avec des molécules existantes qui ont déjà été traitées (sous la forme d’un fichier .pkl), cette installation d’InterMol (étape 1.3) peut être ignorée.
  4. Spécifiez le chemin d’accès au logiciel VASP dans le code 3T-VASP.
    1. Installez le logiciel VASP sur l’environnement 3T. Les instructions et les tutoriels se trouvent dans la table des matériaux.
    2. Ouvrez le fichier 'utils/calculator_3T_VASP.py' et vérifiez la fonction 'run_VASP. Recherchez la ligne par défaut suivante dans le script Python :
      os.system('nohup mpirun -n '+n_gpu+' --allow-run-as-root ~/software/vasp.6.2.1/bin/vasp_std')
      1. La ligne par défaut ci-dessus doit être modifiée pour l’appel système du système d’exploitation qui pointe vers l’exécutable VASP de l’utilisateur et spécifie les ressources de calcul, par exemple :
        os.system('mpirun -np 2 /chemin/vers/vasp/bin/vasp_std')
  5. Assurez-vous que les bibliothèques tierces non Python nécessaires sont disponibles dans l’environnement 3T conda en exécutant ces commandes dans le terminal Linux (ou installez-les si nécessaire) :
    GMX
    wget
    décompresser
    Packmol
    REMARQUE : Ces commandes ne seront appelées que lors du prétraitement du fichier au format molecule force field, donc si l’utilisateur ne prévoit de travailler qu’avec des fichiers molecule .pkl prétraités, les bibliothèques 'wget' et 'unzip' n’ont pas besoin d’être installées.
  6. Effectuez une série de tests pour vous assurer que 3T-VASP a été correctement configuré.
    1. Utilisez Python pour exécuter l’un des scripts de test suivants, qui sont fournis sur la base d’une publication antérieure24 :
      python randomize_3T_bulk_electrolyte_reduction.py
      python randomize_3T_bulk_electrolyte_oxidation.py
    2. Une exécution réussie génère des journaux dans le fichier de sortie 'default.log', qui peut être surveillé dans un terminal Linux distinct (exemple illustré à la figure 2).

figure-protocol-1
Figure 2 : Exemple de contenu d’un fichier journal 3T lors d’une série de tests après une installation réussie. Le fichier journal par défaut enregistre simplement le numéro d’étape actuel d’un cycle 3T et le temps de calcul qui s’est écoulé depuis le début du cycle. Veuillez cliquer ici pour voir une version agrandie de cette figure.

2. Préparation des fichiers d’entrée 3T-VASP

  1. Préparez une structure de treillis périodique en boîte au format de fichier VASP POSCAR.
    1. Nommez les fichiers de réseau 3T-VASP comme '.vasp' et enregistrez-les dans un sous-dossier du dossier 'input' (tel que le dossier 'input/Electrolyte_Reduction'). Écrivez les fichiers au format d’un fichier VASP POSCAR. Un exemple d’un tel fichier POSCAR en réseau PBC avec trois cations lithium à l’intérieur est illustré ci-dessous dans la figure 3.
  2. Préparez un fichier périodique de remplacement des propriétés de la structure en treillis de la boîte.
    1. Nommez ces fichiers de remplacement de propriété de structure de treillis 3T-VASP comme '.override', placez-les dans le sous-dossier du dossier 'input' (par exemple, le dossier 'input/Electrolyte_Reduction' de l’étape 2.1) et écrivez-les au format JSON sous forme de dictionnaire avec les entrées clés 'movable_group' et 'atom_charge_proximity' (voir l’exemple de la figure 4).
  3. Préparez des fichiers de structure de molécule au format de fichier XYZ.
    1. Nommez ces fichiers de structure moléculaire 3T-VASP comme '.xyz' (voir l’exemple de la figure 5) et placez-les dans le dossier 'input'. 3T-VASP vérifiera si le '.xyz' a déjà été converti en fichier .pkl ou non, et si ce n’est pas le cas, la molécule sera traitée à l’aide d’un serveur web de paramétrage de champ de force SwissParam tiers tiers gratuit29. Si le paramétrage du champ de force est basé sur un autre serveur Web tel que LigParGen30 ou si vous souhaitez un paramétrage manuel, veuillez vous référer à l’étape 2.6.
  4. Préparez les fichiers d’entrée VASP du modèle à utiliser lors de chaque étape 3T-VASP.
    1. Utilisez les fichiers d’entrée VASP standard tels que INCAR, KPOINTS et POTCAR (POSCAR non nécessaire). Dans le fichier INCAR, assurez-vous que le nombre d’étapes dans les exécutions de dynamique moléculaire NSW n’est pas défini ou qu’il est défini sur la valeur par défaut NSW = 0 (exemple illustré à la figure 6). Placez ces fichiers dans un sous-dossier du dossier 'templates/VASP' (par exemple, 'templates/VASP/Electrolyte_Reduction').
  5. Préparez un fichier de configuration 3T qui configure tous les autres fichiers d’entrée.
    REMARQUE : Ce fichier de configuration doit être fourni sous la forme d’un format de liste JSON (chaque membre de la liste étant un bloc de dictionnaire qui indique les paramètres d’un cycle 3T)24 et placé dans le dossier 'configs' (tel que 'configs/Electrolyte_Reduction.json', exemple illustré à la figure 7 ci-dessous). Les paramètres non spécifiés dans chaque cycle hériteront des paramètres de la configuration du cycle précédent.
  6. (Facultatif) Si nécessaire, utilisez le paramétrage manuel ou le serveur Web LigParGen pour paramétriser le champ de force de la molécule.
    1. Utilisez LigParGen ou le paramétrage manuel pour les molécules qui ne peuvent pas être paramétrées par SwissParam, telles que les molécules chargées, les structures résonantes ou les radicaux. Reportez-vous aux exemples supplémentaires fournis à titre indicatif :
      python example_LigParGen_FF_assignment.py
      python example_manual_FF_assignment.py

figure-protocol-2
Figure 3 : Exemple de fichier POSCAR en treillis PBC rempli de quelques ions lithium. (A) La taille de la boîte est de 14 × 14 × 14 Å3, et il y a suffisamment d’espace vide pour être ensuite emballé par des molécules d’électrolyte à l’aide de PackMol. (B) Le fichier de réseau PBC, qui est essentiellement un fichier VASP POSCAR qui peut être visualisé directement à l’aide de logiciels tiers tels que Visual Molecular Dynamics (VMD)31. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-protocol-3
Figure 4 : Exemple de fichier de remplacement de propriété de treillis PBC. Ce dictionnaire décrit les modifications de propriétés qui doivent être appliquées aux atomes à l’intérieur du réseau PBC. L’exemple d’entrée de liste imbriquée pour la clé 'movable_group' signifie que les atomes de lithium 0,1,2 sont tous des groupes individuels d’atomes qui peuvent se déplacer indépendamment pendant la simulation 3T. En plus de cela, une valeur de charge partielle de +0,5 est appliquée sur chaque atome de lithium à l’aide de la touche 'atom_charge_proximity'. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-protocol-4
Figure 5 : Exemple d’un fichier XYZ de molécule. (A) Ce fichier est au format d’un fichier XYZ de molécule standard contenant uniquement les éléments et les coordonnées de l’atome. (B) Ce fichier XYZ de molécule peut être directement visualisé à l’aide d’un logiciel tiers tel que VMD. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-protocol-5
Figure 6 : Exemple d’un fichier VASP INCAR de modèle 3T acceptable. La plupart des paramètres de ce fichier doivent être ajustés en fonction des besoins de l’utilisateur. La seule exigence pour la relaxation 3T-VASP est que la valeur NSW n’est pas définie ou qu’elle soit définie sur NSW = 0. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-protocol-6
Figure 7 : Exemple de fichier de configuration 3T. Chaque élément de la liste (un bloc) représente les paramètres d’un cycle 3T (le 'mode' détermine s’il s’agit d’un cycle 3T-FF ou d’une minimisation 3T-VASP). Lorsqu’une clé n’est pas spécifiée dans le dictionnaire d’un bloc, cela signifie que la paire clé-valeur du bloc précédent sera utilisée à la place. 'lattice_poscar' spécifie l’emplacement du fichier POSCAR de structure en treillis de style VASP ('file', étape 2.1) et de son fichier de remplacement ('override', étape 2.2, le cas échéant). 'molecule_xyz' spécifie toutes les espèces de molécules supplémentaires que nous aimerions ajouter dans la boîte PBC, 'file' spécifiant l’emplacement du fichier XYZ de la molécule et 'count' spécifiant le nombre de ces espèces de molécules à ajouter dans la boîte PBC. 'mode' spécifie soit 'FF' (mode 3T-FF), soit 'VASP' (mode 3T-VASP). 'n_epoch' spécifie le nombre d’étapes de minimisation qui doivent être effectuées dans ce cycle 3T. 'out_tag' spécifie le nom qui doit être utilisé pour les fichiers journaux associés à ce cycle (et donc l’utilisateur doit donner aux cycles des noms uniques pour éviter d’écraser accidentellement des fichiers journaux ou de sortie importants). 'print_freq' spécifie la fréquence à laquelle le fichier journal de sortie doit être écrit (1 = sortie dans le fichier journal à chaque étape). Lorsque le mode 3T-VASP commence à être utilisé, l’utilisateur doit spécifier l’emplacement du dossier des fichiers de modèle VASP dans la touche 'VASP_template' du dictionnaire 'lattice_poscar. Veuillez cliquer ici pour voir une version agrandie de cette figure.

3. Exécutez les minimisations d’énergie 3T-FF et 3T-VASP

  1. Génération unique de trajectoire 3T-FF/3T-VASP.
    1. Pour un exemple de fichier de configuration de l’étape 2.5 ('configs/Electrolyte_Reduction.json'), exécutez les commandes :
      python
      >> à partir de main_run_utils principale d’importation
      >> main('configs/Electrolyte_Reduction.json')
      REMARQUE : Selon la configuration de la machine de l’utilisateur, la génération de cette trajectoire peut prendre plusieurs heures (elle contient 250 appels statiques VASP DFT). L’utilisateur peut suivre la progression en inspectant le contenu du fichier 'default.log' dans un terminal Linux séparé (étape 1.6).
  2. Si vous souhaitez générer une trajectoire à grande échelle, préparez un script Python pour automatiser la génération et l’utilisation des fichiers de configuration.
    1. Pour le script d’automatisation à grande échelle (Figure 8), écrivez une fonction courte (telle que « config_modify_func ») pour remplacer des phrases spécifiques dans le fichier de modèle de configuration (par exemple, « configs/Electrolyte_Reduction_template.json »). Cela générera automatiquement de nouveaux fichiers de configuration pour produire différentes trajectoires 3T-VASP. Par exemple, exécutez le script d’automatisation à grande échelle suivant :
      python randomize_3T_bulk_electrolyte_reduction.py
      REMARQUE : Une fois que le code 3T-VASP a été correctement configuré et que la simulation a été lancée, la minimisation de la structure multi-échelle 3T s’exécutera en arrière-plan. Selon la configuration de la machine de l’utilisateur, la génération de plusieurs trajectoires peut prendre plusieurs jours. Cet exemple de protocole contient 2500 appels statiques VASP DFT (10 trajectoires 3T-VASP), qui seront terminés en 30-40 h sur un nœud de calcul avec 4 GPU Nvidia V100. Comme mentionné à l’étape 3.1.1, la progression globale peut être suivie en vérifiant le contenu du fichier 'default.log' dans un terminal Linux séparé. 3T-VASP déchargera également périodiquement la trajectoire de sortie, qui peut être examinée en temps réel. Dans l’exemple du fichier de configuration (Figure 7, étape 2.5), le champ « out_tag » d’un bloc 3T décrit le nom des fichiers de sortie dans lesquels les résultats de ce cycle 3T seront écrits. Par exemple, la valeur 'out_tag' de 'FF_step3' signifie que la trajectoire atomique de l’ensemble du cycle sera écrite sur 'FF_step3.xyz' (sous la forme d’un format de fichier XYZ multi-images) tandis que l’énergie calculée par le calculateur de champ de force 3T intégré du mode 'FF' (ou l’énergie DFT calculée par VASP dans le mode 'VASP') sera écrite sur 'FF_step3_outE.txt' (l’unité d’énergie dans ce fichier est en kilocalorie par mole [kcal/mol]).

figure-protocol-7
Figure 8 : Exemple de script d’automatisation de génération de trajectoire 3T-VASP. Un fichier de configuration de modèle doit être fourni en tant qu’entrée 'tag' pour la fonction 'multiple_runs. En plus de cela, le nombre de trajectoires à générer (10) et la fonction qui modifie le contenu du fichier de configuration du modèle pour générer de nouveaux fichiers de configuration aléatoires (la fonction 'config_modify_func') doivent également être fournis. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Si la minimisation de l’énergie 3T est correctement configurée, on devrait observer une dispersion progressive des molécules d’électrolyte à l’intérieur de la boîte PBC pendant la phase 3T-FF, sans qu’aucune réaction chimique ne se produise (Figure 9A). Il est important de noter que 3T-FF repose sur l’énergie classique du champ de force, il est donc nécessaire que les paramètres du champ de force soient suffisamment bons pour garantir que les molécules conservent leurs géométries correctes e...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Le principal avantage de l’algorithme 3T est sa capacité à permettre une minimisation rapide de l’énergie de la structure, qui peut facilement échapper aux minimums d’énergie locaux triviaux en effectuant la minimisation de la structure de manière hiérarchique grâce à la rétropropagation du gradient de tenseur multi-échelle. Pour cette raison, l’optimiseur 3T a tendance à générer des structures physiques à faible énergie dans des systèmes complexes, qui sont plus difficiles à optimiser à l’aide d’autres algorithmes de mi...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Le code 3T-VASP est accessible au public (https://www.github.com/jpmailoa/External_3T) et est proposé en tant que service commercial dans la plateforme TEFS (Elastic First-principle Simulation) de Tencent sur Tencent Cloud. Les auteurs ne déclarent aucun autre conflit d’intérêts.

Remerciements

Ce travail est soutenu par le financement du programme de R&D « Pioneer » et « Leading Goose » du Zhejiang, numéro de subvention 2025C01222. Le travail de calcul a été financé par Tencent et effectué à l’aide de la plate-forme de simulation des premiers principes élastiques de Tencent (TEFS) dans le système de cloud computing de Tencent.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
CondaCondaLes instructions officielles pour installer Conda sur la machine Linux se trouvent dans : https://docs.conda.io/projects/conda/en/stable/user-guide/install/linux.html  ;
Logiciel GROMACSDépartement de chimie biophysique, Université de Groningue2021.3Version exécutable de Gromacs à partir du 18 août 2021. L’exécutable standard de la dernière version devrait également fonctionner, bien qu’il n’ait pas encore été testé. Les instructions d’installation de GROMACS dans l’environnement 3T conda se trouvent dans ce lien : https://manual.gromacs.org/documentation/2021.3/download.html et https://manual.gromacs.org/2021.3/install-guide/index.html
Logiciel InterMolShirts Group, Université du Colorado à BoulderExternal_3T versionLe code original d’InterMol développé par le groupe Shirts a un bogue associé à Gromacs -> la conversion du champ de force LAMMPS. La version InterMol incluse dans External_3T distribution Github est nécessaire pour corriger ce bogue.
Fichiers d’entrée d’articles JoVELaboratoire Tencent QuantumDes exemples de fichiers d’entrée pour ce manuscrit JoVE sont disponibles sur la page Github de 3T-VASP à l’adresse https://www.github.com/jpmailoa/External_3T
Scripts d’articles JoVELaboratoire Tencent QuantumLes scripts Python pour ce manuscrit JoVE sont disponibles sur la page Github de 3T-VASP à l’adresse https://www.github.com/jpmailoa/External_3T
Logiciel VASPPhysique computationnelle des matériaux, Département de physique, Université de VienneVASP.6.2.1Libération de l’exécutable VASP à partir du 17 mai 2021. L’exécutable VASP parallèle standard dans la version la plus récente devrait également fonctionner, bien qu’il n’ait pas encore été testé. Les instructions et les tutoriels pour VASP peuvent être trouvés dans ces liens : https://www.vasp.at/
https://www.vasp.at/tutorials/latest/   ;
Logiciel VMDGroupe de biophysique théorique et computationnelle, Université de l’Illinois à Urbana-Champaign1.9.3Exécutable VMD standard dans la version la plus récente.

Références

  1. Cao, X., et al. Effects of fluorinated solvents on electrolyte solvation structures and electrode/electrolyte interphases for lithium metal batteries. Proc Natl Acad Sci U S A. 118 (9), e2020357118(2021).
  2. Campion, C. L., Li, W., Lucht, B. L. Thermal decomposition of LiPF6-based electrolytes for lithium-ion batteries. J Electrochem Soc. 152 (12), A2327-A2334 (2005).
  3. Kanayama, K., Takahashi, S., Nakamura, H., Tezuka, T., Maruta, K. Experimental and modeling study on pyrolysis of ethylene carbonate/dimethyl carbonate mixture. Combust Flame. , 245(2022).
  4. Gachot, G., et al. Gas chromatography/Fourier transform infrared/mass spectrometry coupling: A tool for Li-ion battery safety field investigation. Anal Methods. 6 (15), 6120-6124 (2014).
  5. Bai, L., et al. Permanent gas analysis using gas chromatography with vacuum ultraviolet detection. J Chromatogr A. 1388, 244-250 (2015).
  6. Gao, Y., et al. Polymer-inorganic solid-electrolyte interphase for stable lithium metal batteries under lean electrolyte conditions. Nat Mater. 18 (4), 384-389 (2019).
  7. Wang, L. -P., et al. Discovering chemistry with an ab initio nanoreactor. Nat Chem. 6 (12), 1044-1048 (2014).
  8. Leung, K., Budzien, J. L. Ab initio molecular dynamics simulations of the initial stages of solid-electrolyte interphase formation on lithium ion battery graphitic anodes. Phys Chem Chem Phys. 12 (25), 6583-6586 (2010).
  9. Blumberger, J., Tateyama, Y., Sprik, M. Ab initio molecular dynamics simulation of redox reactions in solution. Comput Phys Commun. 169 (1-3), 256-261 (2005).
  10. Batzner, S., et al. E(3)-equivariant graph neural networks for data-efficient and accurate interatomic potentials. Nat Commun. 13 (3), 2453(2022).
  11. Park, C. W., et al. Accurate and scalable graph neural network force field and molecular dynamics with direct force architecture. npj Comput Mater. 7, 73(2021).
  12. Mailoa, J. P., et al. A fast neural network approach for direct covariant forces prediction in complex multi-element extended systems. Nat Mach Intell. 1, 471-479 (2019).
  13. Chmiela, S., Sauceda, H. E., Müller, K. R., Tkatchenko, A. Towards exact molecular dynamics simulations with machine-learned force fields. Nat Commun. 9, 3887(2018).
  14. Schütt, K. T., Sauceda, H. E., Kindermans, P. J., Tkatchenko, A., Müller, K. R. SchNet-A deep learning architecture for molecules and materials. J Chem Phys. 148 (24), 241722(2018).
  15. Zhang, L., Han, J., Wang, H., Car, R. E. W. Deep potential molecular dynamics: A scalable model with the accuracy of quantum mechanics. Phys Rev Lett. 120 (14), 143001(2018).
  16. Musaelian, A., et al. Learning local equivariant representations for large-scale atomistic dynamics. Nat Commun. 14, 579(2023).
  17. Fu, Y., Bernasconi, L., Liu, P. Ab initio molecular dynamics simulations of the SN1/SN2 mechanistic continuum in glycosylation reactions. J Am Chem Soc. 143 (3), 1577-1589 (2021).
  18. Ghoussoub, M., Yadav, S., Ghuman, K. K., Ozin, G. A., Singh, C. V. Metadynamics-biased ab initio molecular dynamics study of heterogeneous CO2 reduction via surface frustrated Lewis pairs. ACS Catal. 6 (10), 7109-7117 (2016).
  19. Tummanapelli, A. K., Vasudevan, S. Estimating successive pKa values of polyprotic acids from ab initio molecular dynamics using metadynamics: The dissociation of phthalic acid and its isomers. Phys Chem Chem Phys. 17 (9), 6383-6388 (2015).
  20. Mailoa, J. P., Li, X., Qiu, J., Zhang, S. Multi-constraint molecular generation using sparsely labelled training data for localized high-concentration electrolyte diluent screening. Digit Discov. 2, 1390-1403 (2023).
  21. Abbott, J. W., Hanke, F. Kinetically corrected Monte Carlo-molecular dynamics simulations of solid electrolyte interphase growth. J Chem Theory Comput. 18 (2), 925-934 (2022).
  22. Kresse, G., Furthmüller, J. Efficient iterative schemes for ab initio total-energy calculations using a plane-wave basis set. Phys Rev B. 54 (16), 11169-11186 (1996).
  23. Mailoa, J. P., Ye, Z., Qiu, J., Hsieh, C. -Y., Zhang, S. Protein-ligand complex generator & drug screening via tiered tensor transform. arXiv. , (2023).
  24. Mailoa, J. P., Li, X., Zhang, S. 3T-VASP: fast ab-initio electrochemical reactor via multi-scale gradient energy minimization. Nat Commun. 15, 10140(2024).
  25. Berendsen, H. J. C., van der Spoel, D., van Drunen, R. GROMACS: A message-passing parallel molecular dynamics implementation. Comput Phys Commun. 91 (1-3), 43-56 (1995).
  26. Shirts, M. R., et al. Lessons learned from comparing molecular dynamics engines on the SAMPL5 dataset. J Comput Aided Mol Des. 31 (1), 147-161 (2017).
  27. Linux kernel source tree. , https://github.com/torvalds/linux (2025).
  28. Miniconda software distribution. , https://docs.conda.io/projects/conda/en/stable/user-guide/install/linux.html (2025).
  29. Zoete, V., Cuendet, M. A., Grosdidier, A., Michielin, O. SwissParam: A fast force field generation tool for small organic molecules. J Comput Chem. 32 (11), 2359-2368 (2012).
  30. Dodda, L. S., De Vaca, I. C., Tirado-Rives, J., Jorgensen, W. L. LigParGen web server: An automatic OPLS-AA parameter generator for organic ligands. Nucleic Acids Res. 45 (W1), W331-W336 (2017).
  31. Humphrey, W., Dalke, A., Schulten, K. VMD: visual molecular dynamics. J Mol Graph. 14 (1), 33-38 (1996).
  32. Hermes, E. D., Sargsyan, K., Najm, H. N., Zádor, J. Sella, an open-source automation-friendly molecular saddle point optimizer. J Chem Theory Comput. 18 (11), 6974-6988 (2022).
  33. Martinez, L., Andrade, R., Birgin, E. G., Martinez, J. M. PackMol: A package for building initial configurations for molecular dynamics simulations. J Comput Chem. 30 (13), 2157-2164 (2012).
  34. Thompson, A. P., et al. LAMMPS-a flexible simulation tool for particle-based materials modeling at the atomic, meso, and continuum scales. Comput Phys Commun. 271, 108171(2022).
  35. Landry, C. A., Bergeron, J. G., Mathieu, O., Gering, K. L., Thomas, J. C. Density modeling of battery electrolyte mixtures. Batteries. 11 (2), 44(2025).
  36. Elstner, M., et al. Self-consistent-charge density-functional tight-binding method for simulations of complex materials properties. Phys Rev B. 58 (11), 7260-7268 (1998).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Mots-clés

R actions de l lectrolyte de batterievoies de r action lectrochimiquebatteries lithium ioninterphase d lectrolyte solideflux de travail 3T VASPth orie de la fonctionnelle de la densitsous produits d lectrolytesimulation ab initioconditions aux limites p riodiques
Génération rapide de réactions électrochimiques d’électrolyte de batterie in-silico à l’aide de la minimisation d’énergie multi-échelle 3T-VASP
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.