东方时讯网随着世界对能源需求的增加，对更好的储能设备的需求变得更大。解决这个问题并同时考虑可持续性的一种方法是转向储能电池的有机材料。对于她的博士学位。在研究中，周宣开发了计算机模型来模拟锂离子和钠离子电池中阴极的不同材料选择。
随着世界人口和经济的增长，对能源的需求也在增加。化石燃料继续在全球能源市场占据主导地位，占全球能源使用总量的84%左右。然而，化石燃料的燃烧会导致全球变暖、环境污染以及下一代资源稀缺的风险。
有机电极
为解决环境问题和能源短缺问题，以有机材料为正极的有机离子电池越来越受到研究界的关注。它们主要由碳、氢、氧、氮和硫组成，可以从生物质中获取。
同时，与无机电极相比，有机电极材料在其生产和回收过程中对环境的影响很小。此外，有机基正极材料表现出优异的比容量、化学多样性和结构可定制性。
显然，有机分子的巨大化学空间为设计用于电化学储能的全新材料以及有机离子电池的最佳正极材料提供了机会。
在计算能力和理论方法不断进步的推动下，高通量计算筛选被认为是从化学空间中识别高性能候选物的强大加速器。博士的主要目标。周轩的研究旨在加速发现可用于可充电锂离子电池和钠离子电池储能的有机基正极材料。为了实现这一目标，她和她的同事转向了计算建模。
计算模型
为了实现这一目标，周开发了新的计算模型并应用了不同的化学描述符来预测氧化还原电位，旨在加快大规模分子数据集的量子化学计算。
此后，周通过新兴的机器学习方法和传统的量子化学方法研究了有机醌和共轭磺酰胺的化学空间。她计算了虚拟库分子的阴极相关属性，并使用计算的属性作为筛选标准向下选择虚拟库。
最后，周和她的同事确定了锂离子和钠离子电池正极性能最佳的有机分子，可直接用于进行实验测试。她还研究了结构性质关系，以合理设计有机离子电池的正极材料。
所提出的混合计算方案对于计算资源的优化使用和电池材料数据的系统生成都是有用的。生成的与近20万个有机分子的阴极相关特性相关的大规模数据库可用于机器学习训练。Zhou的工作对于在有机离子电池的有机材料的大型化学空间中实施高效的高通量计算筛选和数据驱动的发现工作也很有见地。