【研究背景】
无负极钠金属电池不包含传统负极材料，首次充电时正极释放的Na+在集流体表面沉积形成钠金属负极，在提升能量密度的同时简化了电池制造流程，是实现高比能钠电池的重要技术方向。然而，无负极体系中所有钠源都来自正极，循环过程中的活性钠损失会导致容量持续下降。因此，开发高性能电解液提升钠沉积/剥离的库伦效率（CE）并构筑稳定的电极/电解液界面，是推动无负极钠电池实用化的关键一步。然而，无负极钠电电解液的开发主要依赖经验试错，缺乏清晰的理性设计准则。近年来，机器学习在加速电解液研发方面展现了潜力，但从有限实验数据中提炼出清晰可量化的分子设计规律，仍然是数据驱动的电池研究领域面临的挑战。
【工作简介】
基于此，大连理工大学胡方圆教授采用可解释机器学习策略，开发无监督-监督-物理信息三重特征选择框架，从有限实验数据中提取出无负极钠电池电解液性能的定量化分子设计准则，实现了从人工智能分子设计到实际电池性能验证的闭环。
该工作构建了从数据收集、特征工程、机器学习建模到实验验证与机制解析的完整研究流程。团队从已报道文献中系统提取电解液实验数据，结合RDKit分子描述符和DFT计算构建特征数据集，并最终确定了三个关键特征。作者发现阴离子氧含量（aO）、溶剂氧原子数量（sO）与溶剂非极性表面积（NonSA）是决定电解液性能的核心参数。并总结出“sO < 22、NonSA > 90”的定量化设计准则。基于该准则设计的DGBME电解液实现了优异的电化学性能，并支撑了高能量密度无负极软包电池。
相关研究成果以“Data-Driven Knowledge Discovery Reveals Quantitative Electrolyte Design Rules for Anode-Free Sodium Metal Batteries”为题发表在Journal of the American Chemical Society上，该论文第一作者为大连理工大学博士研究生苏畅，通讯作者为胡方圆教授。
【本文要点】
3.1 从文献数据到设计规律：可解释机器学习如何“透视”电解液性能
机器学习模型的“黑箱”特性使研究者难以获得明确的分子设计指导。团队首先从48篇文献中收集了88种电解液体系的实验数据，利用RDKit和DFT计算提取了34个分子特征，构成结构化数据集。在此基础上，团队采用主成分分析进行无监督特征选择，之后采用递归消除法结合交叉验证，从众多特征中逐步筛选出对库伦效率影响最大的5个特征。并通过分析剔除了数学贡献相同但化学意义冲突的两个冗余特征。最终确定了aO、sO和NonSA三个特征。借助部分依赖图（PDP）分析，团队进一步明确了aO和NonSA的作用区间。这一筛选策略从复杂的多参数体系中提炼出明确的分子设计规则，指导实验上的理性设计。
![]()
![]()
![]()
图1. 机器学习工作流与关键分子描述符的筛选过程
3.2 从设计规则到实验验证：DGBME溶剂的性能评估
基于机器学习获取的设计准则，团队以传统醚类溶剂二乙二醇二甲醚（G2）为参照，通过延长碳链设计了具有更高NonSA值的二乙二醇丁基甲醚（DGBME）。电化学测试表明，DGBME电解液在Na-Cu电池中展现出更加稳定和高效的钠沉积/剥离行为，其长循环稳定性和Aurbach效率测试均优于G2电解液。
为了理解NonSA调控电解液性能的机制，团队采用核磁共振、拉曼光谱及小角X射线散射等实验手段，结合DFT计算和分子动力学模拟，系统解析了DGBME电解液中的溶剂化结构。研究发现，NonSA的提高通过分子空间位阻效应削弱了溶剂与Na+的配位作用，促使更多阴离子进入第一溶剂化层，形成阴离子主导的溶剂化结构。
![]()
![]()
![]()
图2. 基于设计准则的溶剂分子优化与电化学验证
![]()
![]()
![]()
图3. NonSA调控溶剂化结构的分子机制解析
3.3 界面化学机制分析
溶剂化结构的改变会直接影响电极/电解液界面的化学性质。阴离子主导的溶剂化结构意味着PF6-在界面区域具有更高的浓度，这为阴离子的优先分解创造了条件。通过原位XRD、XPS深度剖析、ToF-SIMS三维重构及冷冻透射电镜等多尺度表征，团队发现DGBME体系下形成的SEI主要为无机物主导的薄层结构，NaF分布均匀致密，界面更加平整。而在G2体系中，SEI则较厚，界面粗糙度更高。阴离子主导的溶剂化结构促进了PF6-在电极界面区域的优先分解，诱导形成了以NaF为主体的致密无机SEI层，有效抑制了副反应和死钠的生成，进而显著提升了钠沉积/剥离的可逆性。
![]()
![]()
![]()
图4. 电极/电解液界面化学的谱学分析
![]()
![]()
![]()
图5. 电池SEI/CEI的显微学分析
3.4 电池性能评估与描述符泛化性分析
使用DGBME体系的电解液，在磷酸钒钠（NVP）和镍铁锰酸钠（NFM）两种正极体系中均展现出了更优异的性能，并且支撑Ah级NVP和NFM软包电池稳定运行。为了验证设计规律的泛化能力，团队构建了包含数万种候选分子的虚拟电解液分子库，通过K-means聚类从中选取了代表性分子进行高通量计算。分析发现，NonSA作为描述符在数学上独立于传统极性参数，能够有效捕捉分子空间位阻特征，是一种新的溶剂设计指标。进一步地，团队在DME和DEE等醚类溶剂体系中进行了“低sO+高NonSA”准则的验证，结果表明该设计策略在不同醚类基底上展现出良好的适用性。未来，这一基于NonSA的分子设计策略有望拓展至其他金属电池体系的电解液理性开发中。
![]()
![]()
![]()
图6. 电池性能验证
![]()
![]()
![]()
图7. NonSA描述符的深度分析
【文献详情】
Data-Driven Knowledge Discovery Reveals Quantitative Electrolyte Design Rules for Anode-Free Sodium Metal Batteries. Chang Su, Fangyuan Hu* J. Am. Chem. Soc., 2026,
DOI: 10.1021/jacs.6c05130 https://doi.org/10.1021/jacs.6c05130
【作者简介】
胡方圆，教授/博导，英国皇家化学会会士，现任大连理工大学材料学院副院长（分管研究生教学、学科建设工作）。主持首批教育部中央高校青年教师科研创新能力支持项目、国家优青、重点研发计划子课题等。担任中国材料研究学会高分子材料分会副秘书长、辽宁省青年科技工作者协会发起人等；担任Int. J. Extreme Manuf.（IF: 25.1）副主编，InfoMat、SusMat、Carbon Energy等期刊编委/青年编委。在Natl. Sci. Rev.、J. Am. Chem. Soc.、Adv. Mater.、Angew. Chem. Int. Ed.、Nat. Commun.、Energy Environ. Sci.等发表学术论文120余篇，授权国际/国内发明专利20余项。主编教育部规划教材1部（化学工业出版社）。获中国首届"新时代青年先锋奖"、大连市自然科学奖一等奖（排1）、中国材料研究学会高分子材料与工程青年科技奖、辽宁青年科技奖、辽宁省"兴辽英才计划"、大连市杰青等学术荣誉。获辽宁省高校“优秀党务工作者”称号，并作为优秀教师代表，受邀参加教育部"教育家精神2026年巡回宣讲"。
