Molecular simulations of electrolyte structure and dynamics in lithium-sulfur battery solvents

Auteurs : Chanbum Park, Matej Kanduč, Richard Chudoba, Arne Ronneburg, Sebastian Risse, Matthias Ballauff, Joachim Dzubiella

arXiv: 1710.09221v1 - DOI (physics.chem-ph)

Résumé : The performance of modern lithium-sulfur (Li/S) battery systems critically depends on the electrolyte and solvent compositions. For fundamental molecular insights and rational guidance of experimental developments, efficient and sufficiently accurate molecular simulations are thus in urgent need. Here, we construct a molecular dynamics (MD) computer simulation model of representative state-of-the art electrolyte-solvent systems for Li/S batteries constituted by lithium-bis(trifluoromethane)sulfonimide (LiTFSI) and LiNO3 electrolytes in mixtures of the organic solvents 1,2-dimethoxyethane (DME) and 1,3-dioxolane (DOL). We benchmark and verify our simulations by comparing structural and dynamic features with various available experimental reference systems and demonstrate their applicability for a wide range of electrolyte-solvent compositions. For the state-of-the-art battery solvent, we finally calculate and discuss the detailed composition of the first lithium solvation shell, the temperature dependence of lithium diffusion, as well as the electrolyte conductivities and lithium transference numbers. Our model will serve as a basis for efficient future predictions of electrolyte structure and transport in complex electrode confinements for the optimization of modern Li/S batteries (and related devices).

Soumis à arXiv le 25 Oct. 2017

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.