Py学习  »  机器学习算法

Research|机器学习加速高能量密度磷酸钠基正极材料研发—助力钠离子电池突破应用瓶颈

Research科学研究 • 3 月前 • 90 次点击  

01

在电动汽车与大规模储能系统的快速发展中,电池成为核心支撑。钠离子电池(SIBs)凭借钠资源丰富、成本低廉、低温性能优异等优势,被视为锂离子电池的重要替代选项。然而,正极材料的能量密度不足,始终是制约SIBs大规模商业化的关键瓶颈。研究团队首次构建了一套数据驱动的NASICON正极材料筛选与优化体系,通过“数据采集-特征工程-模型训练-实验验证”的闭环流程,成功开发出高能量密度正极材料NMVTZP,相关研究以题为“Machine Learning for Selecting High-Energy Phosphate Cathode Materials”发表在Research上。

Citation: Yongchun Dang, Zechen Li, Yongchao Yu, Xiwei Bai, Li Wang, Xuelei Wang, Peng Liu, Chen Sun, Xunli Zhou, Zhenpo Wang, et al. Machine Learning for Selecting High-Energy Phosphate Cathode Materials. Research.  2025; 8: 0794. DOI: 10.34133/research.0794


研究背景:钠离子电池的“能量密度困局”与材料研发新需求

在电动汽车与大规模储能系统的快速发展中,电池成为核心支撑。钠离子电池(SIBs)凭借钠资源丰富、成本低廉、低温性能优异等优势,被视为锂离子电池的重要替代选项。然而,正极材料的能量密度不足,始终是制约SIBs大规模商业化的关键瓶颈。


目前,聚阴离子型化合物因三维开放框架利于Na⁺脱嵌,成为正极材料研究热点,其中NASICON(钠超离子导体)结构材料(如Na₃V₂(PO₄)₃)因电化学性能稳定备受关注。但传统NASICON材料存在两大问题:


  • 一是多电子反应利用率低,理论容量受限;


  • 二是依赖有毒钒元素,且通过元素掺杂、高熵工程等传统方法优化材料时,需复杂实验与表征,研发周期长、效率低。


与此同时,机器学习(ML)在材料科学领域的应用正在改变这一现状。它能快速挖掘材料成分-性能关联,缩短研发周期,但此前在NASICON正极材料中的应用仍缺乏系统性,尤其是针对能量密度关键影响因素的精准识别尚未突破(图1)。


图1 材料能量密度成为制约规模化应用的瓶颈

02

研究进展:机器学习主导的高能量密度材料设计范式

团队首次构建了一套数据驱动的NASICON正极材料筛选与优化体系,通过“数据采集-特征工程-模型训练-实验验证”的闭环流程,成功开发出高能量密度正极材料Na₃Mn₀.₅V₀.₅Ti₀.₅Zr₀.₅(PO₄)₃(简称NMVTZP,图2)。


图2 机器学习集成材料筛选流程


1 精准定位能量密度的“关键控制因子”


本文从51篇文献中提取73组NASICON材料数据,以元素组成信息为输入,能量密度为输出,通过特征重要性分析(Gini系数、相关性分析)发现:


- 熵值:与能量密度正相关,高熵可激活多电子反应(如Mn²⁺/Mn³⁺/Mn⁴⁺、V³⁺/V⁴⁺/V⁵⁺),提升容量;


- 等效电负性:与能量密度负相关,低电负性利于增强离子键稳定性,优化Na⁺扩散通道;


- 晶格参数c:需控制在21.4-22.2 Å之间,此范围既能保证结构完整性,又能降低Na⁺扩散势垒。


这三大因子的发现,首次为NASICON材料能量密度优化提供了“量化设计标准”(图3)。


图3 关键因子的分析与选取


2. 高性能机器学习模型的构建与验证


对比了注意力贝叶斯神经网络(AttenBNN)、随机森林(RF)、支持向量机(SVM)等4种模型,通过前向特征选择与网格搜索优化超参数后,得出:


- RF模型预测精度最高:测试集平均绝对误差(MAE)低至0.083,远优于SVM(0.111)与KNN(0.146);


- AttenBNN模型可量化不确定性:通过蒙特卡洛随机舍弃的方法,能有效评估小样本数据下的预测可靠性,为材料筛选提供“置信区间”。


3. 实验验证:NMVTZP材料的卓越性能


基于模型预测,我们通过溶胶-凝胶法合成 NMVTZP 材料,其性能创下当前NASICON 正极材料新纪录:在0.1 C倍率下,该材料的可逆比容量达148.27 mAh g⁻¹,平均电压为3.14 V,对应的能量密度高达 465 Wh kg⁻¹,这一数值不仅超越了传统NASICON材料Na₃V₂(PO₄)₃(396 Wh kg⁻¹),也高于多数已报道的同类正极材料;在倍率性能方面,NMVTZP表现同样出色,即便在5C高倍率条件下,其容量保持率仍能达到60.9%(对应容量 90.20 mAh g⁻¹),且在10 C倍率下依旧可实现稳定放电;循环稳定性上,经过5 C倍率400次循环后,NMVTZP 的容量保持率为78.1%。XRD分析证实,该材料采用‘固溶体 + 双相’混合储钠机制,这一机制使其具备优异的结构稳定性,为长期循环性能提供可靠保障(图4)。

图4 NMVTZP材料优异的电化学性能


此外,NMVTZP通过Mn、Ti、Zr多元替代部分V,降低了材料毒性,同时3.75 nm无定形碳涂层进一步提升了电子导电性,为产业化应用奠定基础(图5)。


图5 钠离子迁移路径

03

未来展望:从材料研发到技术落地的实现路径

本研究不仅提供了一种高能量密度正极材料,更开创了“机器学习指导电池材料设计”的新范式, 在未来研究推进中,模型升级层面将把数据集拓展至层状氧化物等其他结构的 SIB 正极材料,同时引入集成学习以进一步提升预测精度,最终实现对容量、循环、倍率等多性能指标的协同优化;产业化探索方面会通过与储能企业合作,针对 NMVTZP 的规模化合成工艺展开优化,例如优化喷雾干燥流程、调控烧结温度等,以此降低材料生产成本,为后续产业化应用奠定基础;技术拓展维度则计划将本次研究构建的机器学习框架应用到电解质与负极材料的研发中,通过推动全电池性能的突破,助力SIBs在光伏储能、低速电动车等领域实现商业化落地。

04

通讯作者简介


李磊:北京理工大学机械与车辆学院副研究员,“高创计划”北京市青年托举人才,主要研究人工智能在储能系统中的应用,围绕动力电池全周期安全绿色运行问题发展了系列新材料、新体系、新策略,在Nature Communications、Research、Materials Today、Advanced Energy Materials、ACS Nano、Advanced Functional Materials、Energy Storage Materials、Journal of Power Source等期刊以第一/通讯作者发表SCI论文70余篇,高被引论文5篇,申请发明专利20余项。担任中国汽车工程学会汽车火灾安全技术分会委员,主持国家自然科学基金及企业横向项目等10项,获中国汽车工程学会科技进步一等奖等。



何向明,清华大学核研院新型能源与材料化学研究室主任,研究员/博士生导师,以材料化学化工为核心,聚焦锂离子电池及其关键材料基础研究及工程化近30年。著有《锂离子电池正极材料规模化生产技术》、《聚合物性能与结构》、《电动汽车动力电池系统安全分析与设计》、《锂离子电池模组设计手册》等专著。善于因材施教,培养了多名清华大学优秀博士/硕士论文获得者。在Advanced Energy Materials, JACS, Nature Nanotechnology, Nature Communications, Joule, Energy & Environmental Science, Advanced Materials, Materials Today, ACS Energy Letters, Angew. Chem., Energy Storage Materials, Journal of Power Sources, Electrochimica Acta, Journal of the Electrochemical Society, Nano Energy等期刊上发表论文600多篇,他引25000余次,科睿唯安高被引学者。获发明专利授权500余项。



赵永杰,北京理工大学材料学院副教授,博士生导师。主要从事无机功能陶瓷材料的相关研究。截止目前,以第一作者和通讯作者身份在Advanced Materials、Advanced Energy Materials、Materials Today等杂志上发表论文一百余篇。申请获批中国发明专利10余项。主持国家自然科学基金、北京市自然科学基金、清华大学新型陶瓷及精细工艺国家重点实验室开放基金、企业委托技术开发等项目,参与南宁市重点研发项目。担任清华大学材料学院“先进材料国家级实验教学示范中心”教学指导委员会委员,期刊Materials Futures、Rare Metals、eScience、Carbon Neutralization、EcoMat青年编委,期刊Batteries客座编辑,河北省唐山市人民政府特聘专家。


往期回顾

Research|诱衰老+促清除,中药成分展现抗肝纤维化双效机制—南京中医药大学邵江娟/郑仕中/程海波团队新进展


09

12-2025

Research|华中科技大学团队提出基于感兴趣区域的MEMS激光雷达优化方法


04

12-2025

Research综述|海南医科大学何祖平团队阐释黏连蛋白复合物调控干细胞命运的三维基因组机制





添加编辑微信 | 加入科学家社群

和Research主编面对面

验证请写明 姓名+单位哦

《Research》是中国科协与美国科学促进会于2018年共同创办的定位为国际化、高影响力、世界一流水平、综合性、大型OA科技期刊,是美国《Science》自1880年创刊以来第一本合作期刊。主要发表先进能源、先进制造、先进材料、人工智能、环境科学、柔性电子、健康科学、信息科学、微纳科技、量子信息、空间科学,11个热点交叉领域突破性原创研究成果。主编(中国)为中国科协副主席,中国科学院院士包为民,主编(国际)为欧洲科学与艺术学院院士、美国明尼苏达大学教授崔天宏。第二届编委会由许宁生、高松、黄如、李兰娟、饶子和、俞书宏、崔铁军等国内外70余位院士在内的190余位编委组成。2025年成立了青年编委会,有350余位青年学者参与。已被CAS、CNKI、CSCD、DOAJ、EI、SCIE、INSPEC、PMC、Scopus、SAO/NASA Astrophysics Data System数据库收录。IF=10.9,CiteScore=13.3,综合类Q1区,中科院期刊分区表双1区TOP刊,现已进入卓越行动二期。


欢迎相关领域的科学家们踊跃投稿,关注和使用期刊的出版内容。

网址:

https://spj.sciencemag.org/research/

e-ISSN: 2639-5274

p-ISSN: 2096-5168

CN: 10-1541/N

DOI Prefix: 10.34133

Research科学研究

关注交叉学科热点领域


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/190350