
![]()
![]()
【文章信息】
第一作者:叶远昌、程立
通讯作者:郑奇峰、谢俊鹏
单位:华南师范大学化学学院、澳门大学应用物理与材料工程研究所
【文章简介】
近日,华南师范大学郑奇峰团队在《Journal of the American Chemical Society》发表题为 “Machine Learning-Driven Electrolyte Additive Discovery for Ultrafast Charging of Sodium Metal Batteries”的研究论文。该研究发展了一套基于高斯过程回归的主动学习框架,在乙酸钠衍生物化学空间内高效筛选可诱导阴离子分解的电解液添加剂,筛选得到微量(0.02 M)氯二氟乙酸钠(NaCDFA)。不同于传统牺牲型添加剂,该添加剂可通过热力学调控驱动 PF6-发生靶向分解,原位构建富 NaF、高钠离子传导性的电极–电解液界面。基于该界面,Na||Na3V2(PO4)3电池实现 200 C 超高倍率下稳定循环 50000 圈以上,容量保持率达 90.3%;体系在高载量正极、贫钠(N/P = 4.37)以及无负极等严苛工况下仍维持优异电化学性能。该工作为钠金属电池快充界面工程提供了低成本、低添加量的新策略,同时彰显了机器学习在加速先进能源材料研发中的突出价值。硕士研究生叶远昌、程立博士为论文共同第一作者,华南师范大学郑奇峰教授、谢俊鹏特聘研究员为共同通讯作者。

![]()
![]()
【研究背景】
钠资源储量丰富、成本低廉,且金属钠的氧化还原电位低 (−2.71 V vs SHE),使钠金属电池被视为大规模、高功率储能的有力候选。与Li+相比,Na+的路易斯酸性更弱、斯托克斯半径更小、去溶剂化能更低,理论上赋予电解液更快的离子传输能力,也让钠金属电池天生具备快充潜力。然而,Na+较大的离子半径在反复嵌入/脱出过程中容易破坏电极-电解液界面(EEI)的结构完整性,高倍率下的循环稳定性因此受到严重制约。通过调控阳离子-阴离子配位来优化界面Na+传输是行之有效的思路,但高浓度与局部高浓度电解液虽能形成聚集离子对、减少自由溶剂,却普遍面临离子电导率提升有限、黏度高、浸润性差的困境;相比之下,功能型添加剂成本低、工艺简单,只需引入2-10 wt%/vol%即可弥补基础电解液的固有不足。遗憾的是,现有钠金属电池添加剂多以氮、磷、硫、硼、硅等非金属元素为中心,所形成的无机界面在热力学上较为脆弱,难以支撑高倍率、长周期循环。富NaF界面则因NaF具有低扩散势垒与优异电绝缘性而备受青睐,它既能加速Na+传输,又能抑制寄生反应,氟代碳酸乙烯酯、全氟苯、三氟乙酸酯等含氟添加剂正是借此改善循环与快充性能。但这类添加剂完全依赖外源含氟分子的自身分解,由此带来三重短板:高用量推高电解液成本;过量外源试剂加剧界面副反应;在2-10%的添加量面前,占电解液约38%的PF6−阴离子被“闲置”,NaF产率自然不足。

![]()
![]()
图1. 添加剂诱导阴离子分解界面的筛选流程与设计思路
基于此,华南师范大学郑奇峰团队提出以机器学习替代人工试错的筛选策略:构建基于高斯过程回归的主动学习框架,在12个化学描述符与添加剂浓度构成的模型空间中迭代搜索,从三氟乙酸钠(NaTFA)、氯二氟乙酸钠(NaCDFA)、二氯一氟乙酸钠(NaDCFA)与三氯乙酸钠 (NaTCA)等乙酸钠衍生物中,锁定NaCDFA为最优候选,浓度收敛于0.02 M。研究表明:(1)NaCDFA通过卤素取代调节分子特性,将NaPF6的NaF生成能垒由1.59 eV降至1.02 eV,驱动PF6−靶向分解,而非添加剂自牺牲;(2)微量添加剂的引入构筑薄(5.2 nm)且富NaF的CEI,界面Na+传输活化能由0.25 eV降至0.20 eV;(3)致密均匀的富NaF界面显著抑制枝晶与副反应,使Na||Cu平均库伦效率达99.95%。得益于此,Na||NVP电池在200 C下循环50,000圈仍保持90.3%容量;在15 mg cm−2高载量、N/P=4.37贫钠以及无负极Al@C||NVP构型中同样表现优异,其中无负极电池在1 C下循环450圈容量保持率为80.5%。该工作为高比能、可快充钠金属电池的界面设计提供了全新思路。
【本文要点】
要点一:机器学习如何在庞杂的添加剂空间中“锁定”NaCDFA
本研究搭建了“可行性+性能”双模型主动学习框架:以高斯过程分类器(GPC)预测获得可测过电位的概率,以自动相关性判定高斯过程回归(ARD-GPR)在有效数据上拟合y=−log10η的性能目标,并引入5个盐描述符、7个添加剂描述符与0.001-0.04 M的连续浓度变量,构成13维模型空间。从15个均匀覆盖描述符空间、涵盖全部盐与添加剂类别的初始配方出发,经12轮迭代筛选,策略由“可行性探索”逐步过渡到“期望改进优化性能”,最终收敛至NaPF6-NaCDFA体系(0.02 M)。基于140个实验配方的留一交叉验证显示:GPC的ROC-AUC达0.9769、平衡准确率0.928、Brier分数0.0636;ARD-GPR的R2为0.9793、MAE为0.0300、RMSE为0.0593。SHAP与DMA分析进一步给出决定性能的关键描述符:盐的溶解度保障高电导与低去溶剂化能,盐阴离子的HOMO与氟键能共同决定原位生成NaF的倾向,添加剂的|ΔO|与极化率评估其化学与电化学稳定性。综合评判下,NaPF6落在高性能电解液的“有利区”,NaCDFA也在稳定性与阴离子活化能力之间取得最佳平衡。

![]()
![]()
图2. 电解液添加剂构效关系的机器学习分析
要点二:微量添加剂如何影响溶剂化结构与阴离子分解路径
研究选取一系列低成本、易得的乙酸钠衍生物,考察卤素取代的调控规律。静电势(ESP)计算表明,随着Cl取代增加,酯基与Na周围的电子密度发生非线性重分布,负电性O位点的ESP依次为NaCDFA (−2.180 eV) < NaTFA (−2.121 eV) < NaTCA (−2.118 eV) < NaDCFA (−2.057 eV);DFT计算的LUMO能级随Cl取代逐步下移 (NaTFA −0.43 eV > NaCDFA −0.68 eV > NaDCFA −0.83 eV > NaTCA −1.23 eV),说明Cl的引入增强了添加剂的还原活性,使其更易参与SEI构建;HOMO则呈现不同趋势 (NaTFA −7.57 eV < NaDCFA −7.48 eV < NaCDFA
−7.23 eV < NaTCA −7.12 eV),表明Cl的取代增强了添加剂的氧化活性。循环后的19F NMR与浓度分析显示,添加剂的C-F信号良好保留,而PO2F2−等PF6−分解产物显著出现,直接证明NaCDFA并非为传统牺牲型,而是诱导盐阴离子的分解。热力学计算进一步给出量化证据:四种添加剂均降低NaPF6的整体分解能量,其中NaCDFA对PF6−靶向分解的促进最为突出,可将其NaF生成能垒由1.59 eV降至1.02 eV。

![]()
![]()
图3. 添加剂理化性质、溶剂化结构与NaPF6分解行为
要点三:富NaF界面构筑与界面离子输运动力学
界面表征显示,BE-NaCDFA电解液中形成的CEI更加均匀,平均厚度仅为5.2 nm;EDS与深度剖析XPS证实F元素在整个CEI深度内均匀富集。定量来看,基础电解液(BE)刻蚀前总F含量为7.1%且检测不到NaF,刻蚀后总F仍为7.1%而NaF仅1.1%;BE-NaCDFA刻蚀前总F为8.2%、NaF占比2.5%,刻蚀后总F为8.0%、NaF占比升至2.7%。Cl 2p谱中检测不到Cl信号,再次印证微量添加剂优先触发阴离子分解而非自身分解;C 1s与O 1s谱则显示其CEI中有机组分更少。变温EIS的Arrhenius拟合得到Na+界面传输活化能:BE-NaCDFA为0.20 eV,低于BE的0.25 eV;CV测试结合Randles−Sevcik方程表明其具有更高的峰电流与更大的扩散系数。

![]()
![]()
图4. CEI组分表征与界面离子输运动力学分析
为进一步揭示界面的动态演化,研究对0.2 C活化后的Na||NVP电池开展原位EIS测试,并结合分布函数 (DRT) 分析将阻抗拆分为体相电阻、界面电阻与电荷转移电阻。结果显示,BE-NaCDFA的界面电阻显著更低且在循环中变化更为平缓,说明添加剂诱导的富NaF界面为Na+提供了低阻通道。原位Raman进一步追踪到PF6−特征峰在充放电过程中的剧烈波动,其峰强度由210动态变化至272,而BE中几乎恒定在约230,直观记录了添加剂诱导的PF6−分解。

![]()
![]()
图5. 循环过程中EEI的原位表征和PF6−分解的动态过程
要点四:200 C极端倍率下的超快充与实用化验证
电化学测试表明,BE-NaCDFA电池在300 C超高倍率下仍能给出54.7 mAh g−1的放电比容量;在200 C(24.20 mA cm−2)下循环51,400圈后容量保持率高达90.3%,优于绝大多数已报道的钠电池体系。负极侧同样受益:Na||Na对称电池在2 mA cm−2、2 mAh cm−2条件下的极化被显著抑制;Na||Cu不对称电池的平均库伦效率达99.95%。在实用化验证中,采用15 mg cm−2高载量正极与50 μm薄钠(N/P=4.37)的Na||NVP电池在5 C下循环2000圈仍保持95.3%容量;无负极Al@C||NVP电池在1 C下循环450圈容量保持率为80.5%,处于同类无负极钠电池的领先水平。

![]()
![]()
图6. 钠金属电池的超快充与实用工况电化学性能
【结论展望】
本研究建立了一套基于机器学习的电解液理性设计范式:依托高斯过程回归驱动的主动学习框架,在广阔的化学空间内开展高效筛选,最终确定微量(0.02 M)NaCDFA 可作为高性能钠金属电池电解液添加剂。不同于依靠牺牲式自分解发挥作用的传统含氟添加剂,理论计算结合原位表征证实,NaCDFA 能够通过热力学调控驱动 PF6-阴离子发生靶向分解,精准调控界面化学,构筑兼具结构稳定性与高钠离子传导能力的富 NaF 界面,大幅降低 Na+传输势垒。受益于该界面特性,Na||NVP 电池在 200 C 极端倍率下实现稳定循环超 50000 圈;在 15 mg cm-2 高正极载量、N/P = 4.37 以及无负极等严苛工况下,该策略仍可维持高度可逆的循环性能。该工作不仅为钠金属电池快充界面工程提供了简便、低成本的化学调控路径,同时彰显了高斯过程回归在复杂化学空间挖掘、加速先进储能材料开发中的巨大潜力。
论文信息:Machine Learning-Driven Electrolyte Additive Discovery for Ultrafast Charging of Sodium Metal Batteries, J. Am. Chem. Soc., 2026, https://doi.org/10.1021/jacs.6c10960.