Atomistic modeling of bulk and grain boundary diffusion in solid electrolyte Li$_6$PS$_5$Cl using machine-learning interatomic potentials

Ähnliche Einträge

• Non-Arrhenius Li-ion transport and grain-size effects in argyrodite solid electrolytes
  von: Ou, Yongliang, et al.
  Veröffentlicht: (2025)
• A collapsed interface approach to resolve grain boundaries in finite element simulations of polycrystalline diffusion
  von: Scholz, Lena, et al.
  Veröffentlicht: (2025)
• Ab initio machine-learning unveils strong anharmonicity in non-Arrhenius self-diffusion of tungsten
  von: Zhang, Xi, et al.
  Veröffentlicht: (2023)
• Machine-learning interatomic potentials achieving CCSD(T) accuracy for systems with extended covalent networks and van der Waals interactions
  von: Ikeda, Yuji, et al.
  Veröffentlicht: (2025)
• Hydrogen diffusion in TiCr$_2$H$_x$ Laves phases: A combined ab initio and machine-learning-potential study
  von: Kumar, Pranav, et al.
  Veröffentlicht: (2025)