Quantum chemical investigation of thermotropic ionic liquid crystals to predict phase transition temperatures
Loading...
Journal Title
Journal ISSN
Volume Title
Kemian tekniikan korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Author
Date
2023-03-21
Department
Major/Subject
Chemistry
Mcode
CHEM3023
Degree programme
Master's Programme in Chemical, Biochemical and Materials Engineering
Language
en
Pages
81
Series
Abstract
With the rising need for high capacity and efficient energy storage for renewable energy sources and electric vehicles, developing high-capacity lithium metal batteries (LMBs) has gained renewed attention. Dendrites growing from uneven electrodeposition of lithium ions cause battery malfunction and fire hazards, thus being the biggest obstacle for LMBs. Liquid crystal is a phase, also called mesophase, between crystal and liquid. Thermotropic liquid crystals exhibit multiple phases including one or more mesophases, depending on temperature. Ionic liquid crystals consist of two charged compounds, usually one large molecule and an ion coupled to it, which provides ion conductivity. Thermotropic ionic liquid crystals (TILCs) combine both into a versatile material with properties of both. The application of TILCs as dendrite-inhibiting, self-healing electrolyte (SHE) for LMBs is discussed. In the literature part of the thesis, a State-of-the-Art analysis is made for computational chemistry in materials and molecule discovery. The importance of synergetic workflow between theory and experiment is highlighted, and the potential of data-driven techniques are explored. The main principles of density functional theory (DFT) are reviewed. The five levels of exchange-correlation functionals are presented along with the functionals, and guidelines on how to choose them. The potential of machine learning DFT (ML-DFT) to replicate good quality but computationally expensive DFT results at a fraction of the time is discussed. In the computational part of the thesis, the Results from DFT calculations of 10 TILCs and 11 non-ionic thermotropic liquid crystals are presented. Correlation between experimental liquid--liquid crystal phase transitions with various quantities obtained through DFT are investigated. A strong correlation is found for zero point vibrational energy and transition temperatures are predicted for additional molecules. Recommendations for TILCs with lower transition temperatures than those of the source material are presented. Further methods, such as multivariate regression and machine learning (ML) are recommended for a more reliable model. An automated computational workflow model for high-throughput DFT calculations using TURBOMOLE is presented.Uusiutuvat energialähteet ja sähköajoneuvot ovat korostaneet tehokkaan energiavarastoinnin tarvetta, jonka takia litium-metalliakkujen tutkimus on lisääntynyt. Litiumionien epätasainen asettuminen elektrodille johtaa dendriittien kasvuun, jotka aiheuttavat akkujen toimintahäriöitä ja tulipalovaaraa, mikä on ollut suurin este näiden akkujen kehitykselle. Nestekide on kiteen ja nesteen välillä esiintyvä olomuoto, jota kutsutaan myös mesofaasiksi. Termotrooppisissa nestekiteissä on useita faaseja, mukaan lukien yksi tai useampi mesofaasi, riippuen lämpötilasta. Ioniset nestekiteet koostuvat kahdesta varautuneesta osasta, yleensä yhdestä suuresta molekyylistä ja siihen liittyneestä ionista, joka mahdollistaa ionijohtavuuden. Termotrooppiset ioniset nestekiteet (TILC) perivät molempien ominaisuudet, muodostaen monipuolisen materiaalin. Työssä keskustellaan TILC:ien soveltamista dendriittien estämiseen ja itseparantuvana elektrolyyttinä toimimiseen. Työn kirjallisuusosassa käydään läpi viimeisimpiä laskennallisen kemian sovellutuksia uusien materiaalien ja molekyylien etsinnässä. Osassa erityisesti korostetaan teorian ja kokeen välistä yhteistyötä ja tutkitaan tieto-ohjattujen tekniikkojen mahdollisuuksia. Läpi käydään myös tiheysfunktionaaliteorian (DFT) pääperiaatteet, esitellään vaihtokorrelaatiofunktioiden viisi tasoa, sekä itse funktiot ja ohjeet niiden valintaan. Osassa keskustellaan koneoppimis-DFT:stä (ML-DFT) ja sen potentiaalista toistaa hyvälaatuisia, mutta laskennallisesti kalliita DFT-tuloksia murto-ajassa. Työn laskennallisessa osiossa käydään läpi kymmenen TILC:ien ja yhtentoista ei-ionisten termotrooppisten nestekiteiden DFT-laskujen tulokset. Kokeellisten neste- ja nestekidefaasin siirtymälämpötilojen ja DFT:n avulla saatujen eri suureiden välistä korrelaatiota tutkitaan. Vahva korrelaatio esitetään nollapisteen värähtelyenergialle ja siirtymälämpötilat ennustetaan lisämolekyyleille. Suosituksia esitetään TILC:eille, joiden siirtymälämpötilat ovat alhaisemmat kuin lähdemolekyylien. Luotettavamman mallin saamiseksi suositellaan lisämenetelmiä, kuten monimuuttujaregressiota ja koneoppimista. Työssä käytetty automatisoitu laskennallinen työnkulkumalli esitellään, jolla suoritettiin suuria määriä DFT-laskuja TURBOMOLE -ohjelmalla.Description
Supervisor
Karttunen, AnttiThesis advisor
Laukkanen, AnssiKeywords
lithium metal batteries, dendrites, thermotropic ionic liquid crystals, self-healing electrolyte, density functional theory
