11月13日消息，据ChemRxiv预印本平台，Jiaao Wang等人于11月13日发布研究「Zeolite ionic conduction genome」。该工作利用机器学习力场完成超过4万次分子动力学模拟，覆盖近2900个沸石「拓扑-组成」模型（涉及263种沸石骨架类型和一系列硅铝比取值），建立了基于Nernst–Einstein估算的沸石离子电导率数据库，为固态电解质材料发现提供了平台级工具。

研究的核心发现包括：其一，平面五元环与六元环是阻碍锂离子输运的拓扑瓶颈，研究据此将局部跳跃势垒与跨拓扑结构的长程输运联系起来；其二，在给定骨架内，硅铝比决定了电荷补偿所需的锂含量，并塑造锂离子迁移的局部静电环境；其三，在某些骨架中，锂浓度上升与扩散系数下降相互竞争，导致离子电导率在中等硅铝比处出现极大值。

以THO骨架为例，硅铝比从3降至1时，每个骨架四面体位点的锂含量翻倍，但300K温度下的离子电导率反而下降约21%——说明提高锂负载并不必然带来更高的电导率。

沸石体系兼具可调骨架拓扑、可调化学组成与可交换的骨架外阳离子，一直被视为固态电解质候选材料的富矿。该研究建立的数据库与构效关系，为在庞大沸石结构空间中系统筛选锂电池固态电解质提供了量化依据。 （来源：ChemRxiv）