이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.

방법 논문

3T-VASP 다중 스케일 에너지 최소화를 사용한 신속한 인실리코 배터리 전해질 전기화학 반응 생성

1K 조회수

⸱

DOI:

10.3791/68854

⸱

2025년 8월 22일

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

이 논문에서

요약

3T-VASP 프레임워크는 계층적 구조 변환과 ab initio 다중 스케일 그래디언트를 결합하여 국부 에너지 최소값을 벗어나고 전기화학 반응을 모델링하는 데 필요한 단계 수를 크게 줄입니다. 이 프로토콜은 단 100-150개의 정적 DFT 계산을 사용하여 다양한 전해질 성분 조합에 대한 전기화학 반응 부산물을 생성하는 방법을 제시합니다.

초록

전해질은 리튬 이온 배터리의 중요한 구성 요소입니다. 그러나 전해질의 돌이킬 수 없는 전기화학 반응으로 인한 배터리 성능 저하로 인해 전해질 분자가 소모되어 유효 작동 수명이 심각하게 단축될 수 있습니다. 따라서 리튬 이온 배터리의 신뢰성을 더욱 향상시키기 위해서는 배터리 전해질의 전기화학 반응 경로를 연구하는 것이 중요합니다. 불행히도 일반적으로 많은 화학 종(다양한 용매, 염, 첨가제 분자 및 전극 계면)을 포함하는 전해질의 정확한 전해질 전기화학 반응 경로를 실험적으로 연구하는 것은 어렵습니다. 이러한 반응 부산물은 전해질-전극 계면(LiF, Li2CO3, Li2O, LiOH, 유기리튬 화합물 등)에 복잡한 고체 전해질 계기(SEI)를 형성할 수 있으며, 이는 분석하기 쉬운 작은 가스 분자로 방출되는 대신 분석하기가 더 어렵습니다. 밀도 함수 이론 소프트웨어(계층형 텐서 변환 - Vienna Ab-initio Simulation Package(VASP) 또는 3T-VASP)와 결합된 계층형 텐서 변환 기술에 대한 최근 간행물을 통해 ab-initio 접근 방식을 실제로 사용하여 단 100-150 DFT 단계 내에서 물리적으로 의미 있는 전해질 전기화학 반응 부산물을 생성할 수 있습니다. 이 작업에서는 원래 3T-VASP 간행물에 제시된 예를 넘어 관심 있는 새로운 전해질 시스템에 대한 3T-VASP 워크플로를 올바르게 설정하는 데 필요한 시뮬레이션 준비 단계와 함께 3T-VASP 코드(Github에서 공개적으로 사용 가능)의 내부 작동 방식을 더 자세히 설명합니다.

서론

새로운 배터리 전해질 조성물의 전기화학 반응 경로에 대한 조사는 전기 자동차 배터리 성능과 수명을 향상시키는 방법을 식별하는 데 중요합니다1. 그러나 배터리 전해질은 용매, 염 및 첨가제 분자와 같은 다양한 성분을 혼합하여 만들어지는 경우가 많기 때문에 이러한 연구는 종종 서로 다른 배터리 작동 전압 및 온도에서 서로 다른 표면(음극 및 양극 전극)과 상호 작용하기 때문에 어렵습니다2. 실험에서 일부 비가역적 전해질 전기화학적 분해 반응은 전해질 용액에서 공기 중으로 방출되는 작은 가스 분자 부산물을 생성하기 때문에 조사하기가 더 쉽습니다(이에 따라 가스 크로마토그래피와 같은 실험 기술을 사용하여 조사하기가 더 쉬워짐) 3,4,5). 그러나 이러한 부산물의 대부분은 더 큰 분자 또는 복잡한 유기리튬 고분자 화합물6과 같은 복잡한 유기-무기 고체 혼합물로, 가스 분자로 환경으로 방출되지 않습니다. 이로 인해 이러한 보다 복잡한 전기화학 반응 경로를 실험적으로 연구하기가 어렵습니다2.

밀도 함수 이론(DFT)과 같은 Ab-initio 모델링은 인실리코 전해질의 잠재적인 전기화학적 분해 경로를 연구하는 유망한 방법입니다 7. 그러나 복잡한 전해질 구조(주기적 경계 조건 상자에서 실험적으로 적절한 전해질 성분 농도를 갖는 액체 혼합물)의 간단한 DFT 에너지 최소화는 대부분 물리적으로 의미 있는 전기화학 반응 부산물에 해당하는 저에너지 구조를 생성하지 못합니다. DFT 최소화 구조는 일반적으로 더 높은 에너지를 가지며 DFT 에너지 최소화 절차 중에 구조가 국부 에너지 최소값에 갇히기 때문에 잘못된 전기화학적 분해 경로에 해당하는 비물리적 부산물을 나타냅니다. ab-initio 분자 역학(AIMD)8,9, 신경망 역장 10,11,12,13,14,15,16 또는 DFT 기반 메타다이내믹스 17,18,19와 같은 방법 보다 의미 있는 전기화학 반응 부산물을 포함할 수 있는 보다 다양한 전해질 구조를 탐색하는 데 자주 사용됩니다. 전기화학적으로 더 안정적일 것으로 예상되는 전해질 성분을 생성하기 위한 전산 스크리닝도 종종 시도됩니다20. 그러나 이러한 모든 방법에는 다음과 같은 고유한 단점이 있습니다: 크고 긴 계산 자원7, 대량의 ab-initio 훈련 데이터13 또는 시뮬레이션을 특정 결과로 편향시키기 위해 최종 전기화학 반응 부산물에 대한 사전 지식이 필요합니다21.

우리는 최근 VASP(Vienna Ab-initio Simulation Package) 소프트웨어22를 사용하여 계산된 DFT 원자력과 같은 모든 ab-initio 방법에서 얻은 에너지 구배를 PyTorch(3T-VASP)23,24를 사용하여 계산된 구조 변환 함수 구배와 연결하여 다중 스케일 방식으로 ab-initio 구조 에너지 최소화를 수행하는 방법을 도입했습니다. 이 접근 방식을 통해 사용자는 여러 유형과 수의 전해질 성분 분자로 채워진 시뮬레이션 상자를 설정하고 외부 원자 에너지 및 힘 계산기(예: 고전적 힘장 또는 VASP DFT)를 실행할 수 있습니다. 그런 다음 구조 에너지 최소화는 관련 분자의 자연적인 구조 변환 모드(분자의 서로 다른 세그먼트의 이동 및 회전)를 존중하는 다중 스케일 방식으로 자동으로 수행됩니다. 3T-VASP 시뮬레이션은 일반적으로 물리적으로 의미 있는 반응 부산물을 생성하면서 100-150개의 정적 DFT 호출 내에서 '완료'되기 때문에(이들 중 다수는 이전 문헌에서 실험적으로 관찰됨)24, 추가 계산 또는 실험 조사를 위해 전해질에서 잠재적으로 의미 있는 전기화학 반응 경로 및 부산물을 생성하기 위해 3T-VASP 궤적의 다양한 앙상블을 실행할 수 있습니다. 다중 스케일 그래디언트 구조 최소화의 원리와 수학은 이전 간행물24에서 심층적으로 논의되었습니다. 본 연구에서는 3T-VASP 소프트웨어 아키텍처 및 계산 워크플로우, 3T-VASP를 실행하는 데 필요한 컴퓨팅 환경 설정, 새로운 시스템의 3T-VASP 시뮬레이션을 위한 입력 파일 준비, 3T-VASP 시뮬레이션 모니터링 및 출력 궤적의 예를 자세히 설명하는 것을 목표로 합니다.

먼저 그림 1과 같이 3T-VASP 소프트웨어의 전체 아키텍처를 이해해야 합니다. 3T-VASP는 분자의 자연적인 구조 변환 모드를 식별하고 활용하여 작동합니다(이는 상대적으로 낮은 ab-initio 구조 에너지를 유지하면서 분자가 수행하기 쉬운 구조 변환이기 때문에)24. 각각의 새로운 분자 종에 대해 이러한 구조 변환 모드를 수동으로 프로그래밍하는 것이 가능하지만(그렇게 하는 것은 번거롭습니다), 3T-VASP는 분자(24)를 나타내는 고전적 역장 파일에서 사용 가능한 정보를 활용하여 사용자를 위해 이 프로세스를 자동화할 수 있도록 제안합니다. 이러한 구조 변환 모드가 원하는 전해질 분자 성분에 대해 결정되면, 사용자는 주기적 경계 조건 상자 및 그 격자 벡터 파라미터(상자는 원래 비어 있거나 부분적으로 개별 양이온 또는 전극 표면으로 채워질 수 있음)를 지정하여 원하는 유형 및 수의 다른 전해질 분자(예: 용매, 염 이온, 첨가제). 그런 다음 3T 알고리즘은 고전적 역장(내장된 고전적 역장 계산기가 3T-VASP에 포함되어 있음) 또는 컴퓨팅 환경의 VASP 소프트웨어를 사용하여 원자력과 힘을 계산하여 다중 스케일 구조 변환을 수행하며, 이는 적당한 수의 정적 DFT 호출에서 구조 에너지를 최소화할 수 있습니다24. 이러한 계산 비용 절감으로 인해 많은 수의 초기 구조에 대해 전기화학 반응 궤적과 부산물 생성을 반복할 수 있습니다.

figure-introduction-1
그림 1: 3T-VASP의 계산 워크플로우. (A) 3T-VASP 입력 구조(주기적 경계 조건 격자 및 소분자)의 전처리. 소분자 힘장 매개변수화는 SwissParam 웹 서버를 사용하여 자동으로 수행하거나, LigParGen 웹 서버 매개변수화 후 수동으로 수정하거나, 이전에 완료된 매개변수화를 기반으로 캐시에서 로드할 수 있습니다. 3T 알고리즘의 마이크로 및 매크로 그룹 분할은 회전 가능한 결합을 기반으로 분자 하위 구조를 구문 분석하여 자동으로 수행됩니다. PBC 격자 입력 파일은 VASP POSCAR 파일 형식이며 원하는 수의 입력 분자를 포장할 수 있는 충분한 빈 물리적 공간을 갖도록 설계되어야 합니다. PBC 격자는 몇 개의 이온으로 채워진 빈 상자일 수도 있고 약간의 빈 공간이 있는 표면 구조일 수도 있습니다. (B) 원하는 종류와 수의 소분자를 PackMol을 사용하여 PBC 격자의 빈 공간에 넣습니다. (C) 내장된 역장 계산기(3T-FF, 주로 액체 분산을 가능하게 하고 화학 반응을 허용하지 않고 3T-VASP에 대한 물리적으로 합리적인 초기 구조를 생성하기 위한 것)를 사용한 다중 스케일 구배 3T 구조 최소화. (D) VASP 계산기와 같은 외부 소프트웨어를 사용한 다중 스케일 그래디언트 3T 구조 최소화(3T-VASP를 사용하면 전기화학 반응을 진행할 수 있음). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

대규모 분자 역학 시뮬레이션을 실행하는 데 유용한 고전적인 힘장 기반 분자 역학 소프트웨어인 GROningen Machinefor Chemical Simulations( GROMACS)25 및 분자 역학 파일 형식 변환을 위해 Shirts et al.이 개발한 Python 라이브러리 코드베이스인 InterMol과 같은 다양한 오픈 소스 외부 소프트웨어26는 자동화된 분자 힘장 매개변수화 및 회전 가능한 결합 추출을 가능하게 하는 데 사용됩니다. VASP는 ab initio 단계(3T-VASP 주기) 동안 전기화학 반응을 가능하게 하는 데 사용됩니다. 이러한 종속성을 설치하는 데 필요한 단계는 이 문서에 나와 있습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

1. 3T-VASP를 실행하기 위한 컴퓨팅 환경 설정

참고: 다음 단계에서는 Linux27 을 사용하는 것이 좋습니다.

  1. 3T-VASP 실행 전용 conda 환경28 을 설정합니다.
    1. 공식 지침에 따라 Linux 시스템에 conda(예: miniconda)를 설치합니다(링크는 자료 참조 ).
    2. 새 3T conda 환경을 만들고 활성화한 다음 다음 명령을 실행하여 git을 설치합니다.
      conda create --name 3T python=3.11
      conda 활성화 3T
      conda 설치 git -c conda-forge
    3. 3T-VASP github 리포지토리를 복제하고 디렉토리에 들어갑니다.
      git clone https://github.com/jpmailoa/External_3T.git
      CD External_3T
    4. mamba를 설치하여 conda 종속성을 관리하고 3T conda 환경에 필요한 라이브러리를 설치합니다.
      conda 설치 맘바 -c conda-forge
      맘바 설치 --파일 requirements.txt -c 파이토치 -c 콘다-포지 -c rdkit
  2. 3T 환경에 소프트웨어 GROMACS를 설치합니다.
    1. 3T conda 환경에 GROMACS를 설치합니다(설치 지침은 재료 표에서 찾을 수 있음).
      참고: 사용자가 새로운 분자를 .pkl 형식으로 처리할 계획이 없고(2.3단계 참조) 이전에 처리된 기존 분자(.pkl 파일 형식)로 작업할 수 있는 경우 이 GROMACS 설치(1.2단계)를 건너뛸 수 있습니다.
  3. 3T 환경에 수정된 버전의 InterMol을 설치합니다.
    1. InterMol의 버그 수정 버전을 설치하려면 다음 지침을 따르십시오.
      cd 유틸리티/Convert_Gromacs_LAMMPS/InterMol
      Python setup.py 빌드
      파이썬 setup.py 설치
      시디.. /.. /..
      참고: 사용자가 새로운 분자를 .pkl 형식으로 처리할 계획이 없고(2.3단계 참조) 이전에 처리된 기존 분자(.pkl 파일 형식)로 작업할 수 있는 경우 이 InterMol 설치(1.3단계)를 건너뛸 수 있습니다.
  4. 3T-VASP 코드에서 VASP 소프트웨어 경로를 지정합니다.
    1. 3T 환경에 VASP 소프트웨어를 설치합니다. 지침과 튜토리얼은 재료 표에서 찾을 수 있습니다.
    2. 'utils/calculator_3T_VASP.py' 파일을 열고 'run_VASP' 기능을 확인합니다. Python 스크립트에서 다음 기본 줄을 찾습니다.
      os.system('nohup mpirun -n '+n_gpu+' --allow-run-as-root ~/software/vasp.6.2.1/bin/vasp_std')
      1. 위의 기본 줄은 사용자의 VASP 실행 파일을 가리키고 컴퓨팅 리소스를 지정하는 OS 시스템 호출로 수정해야 합니다.
        os.system('mpirun -np 2 /path/to/vasp/bin/vasp_std')
  5. Linux 터미널에서 다음 명령을 실행하여 3T conda 환경에서 필요한 비 Python 타사 라이브러리를 사용할 수 있는지 확인합니다(또는 필요한 경우 설치).
    GMX
    위젯
    압축 해제
    팩몰
    참고: 이러한 명령은 분자 힘장 형식 파일 전처리 중에만 호출되므로 사용자가 전처리된 분자 .pkl 파일로만 작업할 계획이라면 'wget' 및 'unzip' 라이브러리를 설치할 필요가 없습니다.
  6. 테스트 실행을 수행하여 3T-VASP가 올바르게 구성되었는지 확인합니다.
    1. Python을 사용하여 이전 간행물24를 기반으로 제공되는 다음 테스트 스크립트 중 하나를 실행합니다.
      파이썬 randomize_3T_bulk_electrolyte_reduction.py
      파이썬 randomize_3T_bulk_electrolyte_oxidation.py
    2. 성공적으로 실행되면 출력 파일 'default.log'에 로그가 생성되며, 이는 별도의 Linux 터미널에서 모니터링할 수 있습니다( 예: 그림 2 참조).

figure-protocol-1
그림 2: 성공적인 설치 후 테스트 실행 중 3T 로그 파일의 예제 내용. 기본 로그 파일은 단순히 3T 주기의 현재 단계 번호와 주기 시작 이후 경과된 계산 시간을 기록합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

2. 3T-VASP 입력 파일 준비

  1. VASP POSCAR 파일 형식으로 주기적 상자 격자 구조를 준비합니다.
    1. 3T-VASP 격자 파일의 이름을 '.vasp'로 지정하고 'input' 폴더의 하위 폴더(예: 'input/Electrolyte_Reduction' 폴더)에 저장합니다. VASP POSCAR 파일 형식으로 파일을 작성합니다. 내부에 3개의 리튬 양이온이 있는 PBC 격자 POSCAR 파일의 예가 아래 그림 3에 나와 있습니다.
  2. 주기적 상자 격자 구조 속성 재정의 파일을 준비합니다.
    1. 이러한 3T-VASP 격자 구조 속성 재정의 파일의 이름을 '.override'로 지정하고 'input' 폴더의 하위 폴더(예: 2.1단계의 'input/Electrolyte_Reduction' 폴더)에 배치한 다음 키 항목 'movable_group' 및 'atom_charge_proximity'을 사용하여 JSON 형식으로 사전으로 작성합니다( 그림 4의 예 참조).
  3. XYZ 파일 형식의 분자 구조 파일을 준비합니다.
    1. 이러한 3T-VASP 분자 구조 파일의 이름을 '.xyz'( 그림 5의 예 참조)로 지정하고 'input' 폴더에 배치합니다. 3T-VASP는 '.xyz'가 이전에 .pkl 파일로 변환되었는지 여부를 확인하고, 그렇지 않은 경우 무료 외부 제3자 SwissParam 힘장 매개변수화 웹 서버(29)를 사용하여 분자를 처리합니다. 역장 매개변수화가 LigParGen30 과 같은 다른 웹 서버를 기반으로 하거나 수동 매개변수화가 필요한 경우 2.6단계를 참조하십시오.
  4. 각 3T-VASP 단계에서 사용할 템플릿 VASP 입력 파일을 준비합니다.
    1. 표준 VASP 입력 파일을 사용합니다 file INCAR, KPOINTS 및 POTCAR(POSCAR는 필요하지 않음). INCAR 파일에서 NSW를 실행하는 분자 역학의 단계 수가 설정되지 않았거나 기본값인 NSW = 0으로 설정되어 있는지 확인합니다( 그림 6 참조의 예). 이러한 파일을 'templates/VASP' 폴더의 하위 폴더(예: 'templates/VASP/Electrolyte_Reduction')에 배치합니다.
  5. 다른 모든 입력 파일을 구성하는 3T 구성 파일을 준비합니다.
    참고: 이 구성 파일은 JSON 목록 형식(목록의 각 구성원은 하나의 3T 주기의 설정을 나타내는 사전 블록임)24 형식으로 제공되어야 하며 'configs' 폴더(예: 'configs/Electrolyte_Reduction.json', 아래 그림 7 에 나타난 예)에 배치되어야 합니다. 각 주기에서 지정되지 않은 매개변수는 이전 주기의 구성에서 매개변수를 상속합니다.
  6. (선택 사항) 필요한 경우 수동 매개변수화 또는 LigParGen 웹 서버를 사용하여 분자 힘장을 매개변수화합니다.
    1. SwissParam으로 매개변수화할 수 없는 분자(예: 하전 분자, 공명 구조 또는 라디칼)에 대해 LigParGen 또는 수동 매개변수화를 사용합니다. 지침은 제공된 추가 예제를 참조하십시오.
      파이썬 example_LigParGen_FF_assignment.py
      파이썬 example_manual_FF_assignment.py

figure-protocol-2
그림 3: 몇 개의 리튬 이온으로 채워진 PBC 격자 POSCAR 파일의 예. (A) 상자 크기는 14 × 14 × 14 Å3이며, 이후에 PackMol을 사용하여 전해질 분자로 포장할 수 있는 충분한 빈 공간이 있습니다. (B) PBC 격자 파일은 본질적으로 VMD(Visual Molecular Dynamics)와 같은 타사 소프트웨어를 사용하여 직접 시각화할 수 있는 VASP POSCAR 파일입니다31. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-protocol-3
그림 4: PBC 격자 속성 재정의 파일의 예. 이 사전은 PBC 격자 내부의 원자에 적용해야 하는 속성 수정을 설명합니다. 키 'movable_group'에 대한 중첩 목록 항목의 예는 리튬 원자 0,1,2가 3T 시뮬레이션 중에 독립적으로 움직일 수 있는 모든 개별 원자 그룹임을 의미합니다. 그 외에도 키 'atom_charge_proximity'를 사용하여 각 리튬 원자에 +0.5의 부분 전하 값이 적용됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-protocol-4
그림 5: 분자 XYZ 파일의 예. (A) 이 파일은 원자 원소와 좌표만 포함하는 표준 분자 XYZ 파일 형식입니다. (B) 이 분자 XYZ 파일은 VMD와 같은 타사 소프트웨어를 사용하여 직접 시각화할 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-protocol-5
그림 6: 허용되는 3T 템플릿 VASP INCAR 파일의 예. 이 파일의 대부분의 설정은 사용자의 필요에 따라 조정되어야 합니다. 3T-VASP 완화에 대한 유일한 요구 사항은 NSW 값이 설정되지 않았거나 NSW = 0으로 설정되어 있어야 한다는 것입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-protocol-6
그림 7: 3T 구성 파일의 예. 목록의 각 요소(블록)는 3T 주기의 설정을 나타냅니다('모드'는 주기가 3T-FF인지 3T-VASP 최소화인지 여부를 결정합니다). 블록의 사전에 키가 지정되지 않은 경우 이전 블록의 키-값 쌍이 대신 사용됨을 의미합니다. 'lattice_poscar'은 VASP 스타일 격자 구조 POSCAR 파일('파일', 2.1단계)과 그 재정의 파일('재정의', 2.2단계, 사용 가능한 경우)의 위치를 지정합니다. 'molecule_xyz'는 PBC 상자에 추가하려는 모든 추가 분자 종을 지정하고, 'file'은 분자 XYZ 파일 위치를 지정하고 'count'는 PBC 상자에 추가할 분자 종의 수를 지정합니다. 'mode'는 'FF'(3T-FF 모드) 또는 'VASP'(3T-VASP 모드)를 지정합니다. 'n_epoch'는 해당 3T 주기에서 수행해야 하는 최소화 단계 수를 지정합니다. 'out_tag'는 해당 주기의 관련 로그 파일에 사용해야 하는 이름을 지정합니다(따라서 사용자는 실수로 중요한 로그 또는 출력 파일을 덮어쓰지 않도록 주기에 고유한 이름을 지정해야 합니다). 'print_freq'는 출력 로그 파일을 기록해야 하는 빈도를 지정합니다(1 = 각 단계에서 로그 파일에 출력). 3T-VASP 모드가 사용되기 시작하면 사용자는 'lattice_poscar' 사전의 'VASP_template' 키에 VASP 템플릿 파일의 폴더 위치를 추가로 지정해야 합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

3. 3T-FF 및 3T-VASP 에너지 최소화 실행

  1. 단일 3T-FF/3T-VASP 궤적 생성을 수행합니다.
    1. 2.5단계('configs/Electrolyte_Reduction.json')의 예제 구성 파일을 보려면 다음 명령을 실행합니다.
      파이썬
      main_run_utils 가져오기 메인에서 >>
      >> 메인('configs/Electrolyte_Reduction.json')
      참고: 사용자의 시스템 구성에 따라 이 궤적 생성을 완료하는 데 몇 시간이 걸릴 수 있습니다(250개의 VASP DFT 정적 호출 포함). 사용자는 별도의 Linux 터미널에서 'default.log' 파일의 내용을 검사하여 진행 상황을 추적할 수 있습니다(1.6단계).
  2. 대규모 궤적 생성을 원하는 경우 Python 스크립트를 준비하여 구성 파일 생성 및 활용을 자동화합니다.
    1. 대규모 자동화 스크립트(그림 8)의 경우 구성 템플릿 파일의 특정 문구(예: 'configs/Electrolyte_Reduction_template.json')를 대체하는 짧은 함수(예: 'config_modify_func')를 작성합니다. 이렇게 하면 새로운 구성 파일이 자동으로 생성되어 다양한 3T-VASP 궤적을 생성합니다. 예를 들어 다음과 같은 대규모 자동화 스크립트를 실행합니다.
      파이썬 randomize_3T_bulk_electrolyte_reduction.py
      참고: 3T-VASP 코드가 올바르게 설정되고 시뮬레이션이 시작되면 3T 다중 스케일 구조 최소화가 백그라운드에서 실행됩니다. 사용자의 머신 구성에 따라 여러 궤적 생성을 완료하는 데 며칠이 걸릴 수 있습니다. 이 프로토콜 예에는 2500개의 VASP DFT 정적 호출(10개의 3T-VASP 궤적)이 포함되어 있으며, 이는 4개의 Nvidia V100 GPU가 있는 컴퓨팅 노드에서 30-40시간 이내에 완료됩니다. 3.1.1단계에서 언급했듯이 별도의 Linux 터미널에서 'default.log' 파일의 내용을 확인하여 전체 진행 상황을 추적할 수 있습니다. 3T-VASP는 또한 실시간으로 검토할 수 있는 출력 궤적을 주기적으로 덤프합니다. 구성 파일 예제(그림 7, 2.5단계)에서 3T 블록의 'out_tag' 필드는 해당 3T 주기의 결과가 기록될 출력 파일의 이름을 설명합니다. 예를 들어, 'FF_step3'의 'out_tag' 값은 전체 사이클의 원자 궤적이 'FF_step3.xyz'(다중 프레임 XYZ 파일 형식)에 기록되는 반면 'FF' 모드의 내장 3T 역장 계산기로 계산된 에너지(또는 'VASP' 모드에서 VASP에 의해 계산된 DFT 에너지)는 'FF_step3_outE.txt'에 기록됩니다(이 파일의 에너지 단위는 몰당 킬로칼로리[kcal/mol]).

figure-protocol-7
그림 8: 3T-VASP 궤적 생성 자동화 스크립트의 예. 템플릿 구성 파일은 'multiple_runs' 함수에 대한 '태그' 입력으로 제공되어야 합니다. 그 외에도 생성할 궤적의 수(10개)와 템플릿 구성 파일의 내용을 수정하여 새로운 임의 구성 파일을 생성하는 기능('config_modify_func' 함수)도 제공되어야 합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

3T 에너지 최소화가 올바르게 설정된 경우 화학 반응이 일어나지 않고 3T-FF 단계 동안 PBC 상자 내부에 전해질 분자가 점진적으로 분산되는 것을 관찰해야 합니다(그림 9A). 3T-FF는 고전적인 역장 에너지에 의존하므로 역장 매개변수가 분자가 올바른 형상을 유지하고 3T 궤적이 붕괴(종 간 인력이 너무 강함)하거나 폭발하지 않도록(종 간 반발력이 너무 강함). 지금까지 살펴본 대부분의 경우 SwissParam 웹 서버에서 생성된 역장 매개변수는 이 요구 사항을 해결하기에 충분한 품질이어야 합니다. 전해질에 있는 이온 의 역장 부분 전하는 기본적으로 0이며, 리튬과 같은 양이온의 전하를 +0.5로 재정의하면 양호한 3T-FF 궤적이 생성되어야 합니다(+1.0으로 재정의하면 리튬 이온이 서로를 너무 강하게 밀어내기 때문에 너무 많습니다). 3T-VASP 단계 동안 PBC 상자에 배치되는 양이온 및 음이온 종의 수에 따라 일부 전기화학 반응이 발생할 수도 있고 발생하지 않을...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

3T 알고리즘의 주요 장점은 빠른 구조 에너지 최소화를 가능하게 하는 기능으로, 다중 스케일 텐서 그래디언트 역전파를 통해 계층적 방식으로 구조 최소화를 수행함으로써 사소한 국부 에너지 최소값을 쉽게 벗어날 수 있습니다. 이 때문에 3T 옵티마이저는 복잡한 시스템에서 물리적 저에너지 구조를 생성하는 경향이 있으며, 이는 다른 구조 에너지 최소화 알고리즘을 사용하여 최적화하기가 더 어렵습니다24. 구조 변환 및 기울기 역전파는 PyTorch에서 완전히 수행되지만 백본 원자 구조 에너지/힘 계산은 외부 소프트웨어를 사용하여 수행할 수 있습니다. 3T-VASP 방법의 또 다른 중요한 장점은 신경망 훈련 데이터가 필요하지 않으며 에너지/힘 계산기에 ab initio 방법을 사용하는 경우 모든 새로운 화학 종에 대해 작동할 수 있다는 것입니다. 이 기능은 NEB(Nudged Elastic Band)를 사용한 에너지 장벽 분석, AIMD 궤적과의 비교, Sella-VASP

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

3T-VASP 코드는 공개적으로 사용 가능하며(https://www.github.com/jpmailoa/External_3T) Tencent Cloud의 Tencent Elastic First-principle Simulation(TEFS) 플랫폼에서 상용 서비스로 제공됩니다. 저자는 추가적인 이해 상충이 없음을 선언합니다.

감사의 글

이 작업은 절강성의 "Pioneer" 및 "Leading Goose" R&D 프로그램(보조금 번호 2025C01222)의 자금 지원으로 지원됩니다. 계산 작업은 Tencent의 자금 지원을 받았으며 Tencent Cloud 컴퓨팅 시스템의 TEFS(Tencent Elastic First-principles Simulation) 플랫폼을 사용하여 수행되었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
콘다콘다Linux 시스템에 Conda를 설치하는 공식 지침은 https://docs.conda.io/projects/conda/en/stable/user-guide/install/linux.html  에서 찾을 수 있습니다.
GROMACS 소프트웨어흐로닝언 대학교 생물물리화학과2021.32021년 8월 18일부터 Gromacs 실행 파일 릴리스. 최신 버전의 표준 실행 파일도 아직 테스트되지 않았지만 작동합니다. 3T conda 환경에서 GROMACS에 대한 설치 지침은 다음 링크에서 찾을 수 있습니다: https://manual.gromacs.org/documentation/2021.3/download.html 및 https://manual.gromacs.org/2021.3/install-guide/index.html
InterMol 소프트웨어셔츠 그룹, 콜로라도 대학교 볼더External_3T 버전Shirts 그룹에서 개발한 원래 InterMol 코드에는 Gromacs -> LAMMPS 역장 변환과 관련된 버그가 있습니다. 이 버그를 수정하려면 Github 배포판에 포함된 InterMol 버전External_3T 필요합니다.
JoVE 기사 입력 파일텐센트 양자 연구소이 JoVE 원고에 대한 입력 파일 예제는 3T-VASP Github 페이지에서 https://www.github.com/jpmailoa/External_3T
JoVE 기사 스크립트텐센트 양자 연구소이 JoVE 원고에 대한 Python 스크립트는 3T-VASP Github 페이지에서 https://www.github.com/jpmailoa/External_3T
VASP 소프트웨어비엔나 대학교 물리학과 전산 재료 물리학바스프.6.2.12021년 5월 17일부터 VASP 실행 파일 릴리스. 아직 테스트되지는 않았지만 최신 버전의 표준 병렬 VASP 실행 파일도 작동해야 합니다. VASP에 대한 지침 및 자습서는 다음 링크에서 찾을 수 있습니다: https://www.vasp.at/
https://www.vasp.at/tutorials/latest/  
VMD 소프트웨어일리노이 대학교 어바나-샴페인 캠퍼스 이론 및 전산 생물물리학 그룹1.9.3최신 버전의 표준 VMD 실행 파일입니다.

참고문헌

  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).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

태그

3T VASP
3T-VASP 다중 스케일 에너지 최소화를 사용한 신속한 인실리코 배터리 전해질 전기화학 반응 생성
문의하기
사서에게 추천하기

개인정보

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.