清華新聞網9月20日電 二次電池的出現推動了當代科技創(chuàng)新，催生了大規(guī)模儲能和電動汽車等新興行業(yè)。鋰離子電池作為一種典型的儲能器件，已經在便攜式電子設備、電動汽車等領域得到了廣泛的應用。然而，鋰離子電池的實際能量密度接近上限，隨著當代社會對高能量密度電池的新需求不斷涌現，迫切需要發(fā)展下一代電池體系。
鋰金屬電池具有極高的理論能量密度，是最有前途的儲能系統(tǒng)之一。然而，鋰金屬負極的高反應活性會導致電解液的分解，造成電池容量迅速下降與循環(huán)壽命縮減，甚至可能引發(fā)嚴重的安全隱患。因此，深入挖掘電解液溶劑分解背后的原因、探究其微觀化學原理是鋰金屬電池電解液研究中極為重要的問題。隨著以機器學習為代表的人工智能技術的快速發(fā)展，科學研究范式從傳統(tǒng)的實驗試錯方法向數據驅動的高通量篩選轉變，為探究電解液溶劑化學規(guī)律提供了新的機遇。
清華大學化工系陳翔課題組在前期建立的離子–溶劑結構模型基礎上，采用大數據方法進一步揭示了離子–溶劑化學理論的普遍規(guī)律，為先進電解液的設計開發(fā)提供了新的理論參考。為了全面分析電解液溶劑，研究者基于圖論算法建立了一個大型溶劑分子數據庫，并對所有分子進行了第一性原理計算。與純溶劑相比，99%與鋰離子配位的溶劑呈現出較低的最低未占分子軌道（LUMO）能級，表明形成離子–溶劑結構后，電解液還原穩(wěn)定性降低。進一步研究發(fā)現溶劑分子的LUMO能級變化與鋰離子和溶劑的結合能、Li–O鍵長等存在正相關性，并通過軌道分析深入研究LUMO能級變化的原因。
提出用于鋰離子電池電解液的可解釋機器學習算法，探究了離子–溶劑結構的穩(wěn)定性與分子結構特征之間的關系。具體而言，借助隨機森林與SHAP可解釋分析方法發(fā)現分子偶極矩和分子半徑是影響電解液溶劑分子還原穩(wěn)定性的重要描述符，在設計開發(fā)新電解液時，分子極性應該被引起關注。因此，該數據驅動方法不僅探究了電解液離子–溶劑結構的還原穩(wěn)定性，還揭示了影響電解液還原穩(wěn)定性的關鍵因素，為先進電解液分子設計提供了重要的理論參考。
電解液分子生成算法與聚類分析
相關研究成果以“數據驅動視角下鋰電池電解液離子–溶劑結構還原穩(wěn)定性研究”（Data-Driven Insight into the Reductive Stability of Ion–Solvent Complexes in Lithium Battery Electrolytes）為題發(fā)表在《美國化學會志》（J. Am. Chem. Soc.）期刊上。
清華大學化工系助理研究員陳翔為文章的通訊作者，清華大學化工系2022級直博生高宇辰、2020級直博生姚楠為文章的共同第一作者，清華大學化工系2021級直博生余樂耕、懷柔實驗室張睿、清華大學化工系張強教授為文章的共同作者。該研究得到國家自然科學基金、國家重點研發(fā)計劃、云南省重點研發(fā)計劃、鄂爾多斯-清華大學碳中和協(xié)同創(chuàng)新專項等的資助。清華大學高性能計算中心提供了計算資源的支持。
論文鏈接：
https://pubs.acs.org/doi/10.1021/jacs.3c08346
供稿：化工系
題圖設計：李柳依
編輯：李華山
審核：郭玲
