Perpustakaan Digital ITB

Pengembangan teknologi penyimpanan dan konversi energi semakin penting untuk sistem energi yang efisien dan ramah lingkungan. Salah satu komponen utama adalah elektrolit padat. ?-Bi?O? memiliki konduktivitas ionik oksigen tinggi pada suhu tinggi, tetapi kestabilannya terbatas di atas 730°C. Penelitian ini menggunakan Gaussian Process Regression (GPR) untuk membangun model potensial berbasis machine learning dalam menganalisis interaksi atomik kompleks. Optimalisasi dopan kationik dilakukan untuk meningkatkan konduktivitas ionik. Hasilnya menunjukkan akurasi tinggi dalam memprediksi energi dengan sebagian besar nilai MAE mendekati nol. Analisis MSD menunjukkan bahwa pada Bi?.?Y?.?O?, dopan yttrium meningkatkan mobilitas bismut akibat kekosongan oksigen, sedangkan pada BiYO?, dopan yttrium meningkatkan mobilitas oksigen secara signifikan. Konduktivitas ionik tertinggi dicapai pada BiYO? (3.3489 × 10²¹ S/m), terutama dari ion oksigen. Bi?.?Y?.?O? memiliki konduktivitas ionik 1.4546 × 10²? S/m dengan kontribusi oksigen, bismut, dan yttrium. Bi?O? tanpa vacancy memiliki konduktivitas ionik 9.3168 × 10¹? S/m pada 700 K, meningkat menjadi 1.2825 × 10²? S/m pada 1000 K, menunjukkan peningkatan mobilitas ion oksigen dan bismut. Vacancy bismut menunjukkan konduktivitas ionik lebih rendah pada 700 K (3.9419 × 10¹? S/m) tetapi meningkat hingga 5.1150 × 10²? S/m pada 1000 K, mengindikasikan pengaruh suhu terhadap mobilitas ion. Dopan yttrium pada konsentrasi tinggi terbukti efektif meningkatkan mobilitas ion oksigen. Studi lebih lanjut dengan variasi komposisi dan kondisi operasional diperlukan untuk pemahaman yang lebih mendalam.