社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

【科技】机器学习,助力锂氧!哈尔滨工业大学&美茵茨大学,最新Nature子刊!

储能科学与技术 • 16 小时前 • 12 次点击  


锂氧电池因较高的理论比能量受到关注,但传统两电子氧反应生成的Li₂O₂导电性差且难溶,容易造成正极界面钝化、孔道堵塞和较大的充放电极化。

约3500 Wh kg⁻¹的理论比能量以生成Li₂O₂时消耗的锂和氧气总质量为基础,并非实际整电池比能量。将反应转向生成LiOH的四电子路径,有望改善放电产物稳定性与容量表现,但需要协调含氧及质子化中间体的吸附和转化。

水等质子源能够参与路径调节,却也会带来锂金属负极的热力学稳定性问题,因此正极催化与负极保护需要分别验证。双原子位点提供了通过金属间电子耦合调节吸附行为的空间,但金属组合和配位环境众多,传统试错筛选效率有限。

可解释机器学习能够关联电子结构描述符与电化学表现,再结合理论计算和实验检验,为多电子反应催化剂设计提供数据驱动路径。

近日,哈尔滨工业大学(深圳)施荣沛、慈立杰、李德平、陆敬予、德国美茵茨大学高丹丹在Nature Communications发表了题为"Machine learning-driven regulation of the four-electron LiOH pathway in lithium–oxygen batteries with prolonged cycling"的研究论文。Tiansheng Bai, Yiming Hu, Wei Zhai, Xiongwei Zhong为论文共同第一作者,施荣沛、慈立杰、李德平、陆敬予、高丹丹为论文共同通讯作者。


图片


核心亮点

1. 构建机器学习与密度泛函理论协同筛选框架,XGBoost在五折分组验证中的测试集R²为0.8815 ± 0.0346,识别出具有较低预测过电位的镍钴双位点。

2. 原子分辨显微成像与X射线吸收谱支持双原子结构及局域电子态调节,观测到的双原子间距约为0.33 nm。

3. 在电解液中加入5 vol%水促进LiOH生成,放电容量约60000 mA h g⁻¹;该数值按催化剂质量归一化,按气体扩散层电极总质量计算约为3600 mA h g⁻¹。

4. 在500 mA g⁻¹、限容500 mA h g⁻¹及5 vol%水条件下,镍钴双原子电极实现2075次循环;这些结果不能等同于全放电深度循环或整电池比能量。

5. 双原子材料兼具正极催化和锂负极界面保护作用;气体分析仍显示充电电子/氧气比偏离理想值,理论能量结果主要支持定性机制趋势。

📄 全文速览

高能量密度锂氧电池的实际应用受到缓慢的氧化还原动力学和放电中间体不稳定性的根本限制。该研究提出一种集成人工智能的框架,结合可解释机器学习与密度泛函理论,探索包含数千个活性位点的广阔化学空间。

该方法在所选元素范围内识别出适于调控多电子转移的镍钴双原子催化剂构型。理论分析表明,双位点之间的协同电子耦合能够重构d带中心,从而降低氧化还原反应的热力学障碍。

此外,该催化剂能够调节反应路径,促使传统两电子路径向四电子路径可控转变,实现约60000 mA h g⁻¹的放电容量。除作为正极催化剂外,该结构还可充当多功能界面保护层,通过抑制枝晶生长稳定锂金属负极。

由此,锂氧体系在四电子路径下实现2075次稳定循环,并减轻电压衰减。该工作建立了借助人工智能合理设计原子尺度结构的数据引导策略,为开发锂氧电池的多电子氧化学潜力提供了途径。

📊 图文解读


图片


图1 | 可解释机器学习整合催化剂数据、模型比较与特征分析,指导锂氧电池多位点催化剂筛选。

研究团队建立包含数千条数据、近50项特征的数据库,比较八种回归模型,并按文献来源进行五折分组验证。XGBoost的测试集R²为0.8815 ± 0.0346;十个随机种子下的重复验证进一步检验模型稳定性。SHAP分析突出金属d电子数、配位元素电负性及d带中心等描述符的重要性。


图片


图2 | 元素组合预测与电子结构计算共同揭示镍钴双位点的催化调节潜力。

模型对候选元素组合的预测显示,镍钴异核位点具有较低过电位,数据中较低过电位与较长循环寿命相关。计算得到双原子体系的d带中心约为−2.50至−2.40 eV,介于两种单原子参照之间。态密度、电荷和功函数分析共同支持双位点能够改变局域电子环境,但预测关联不等同于独立的因果证明。


图片


图3 | 原子分辨成像与多种光谱表征支持镍钴双原子配位结构及其电子态重分布。

HAADF-STEM显示,镍钴样品主要呈双原子成对分布,统计间距约0.33 nm。XANES分析得到Ni平均价态由单原子参照的1.12降至0.78,Co由1.26升至1.32,提示位点间电荷重分布。EXAFS、小波变换及N 1s谱进一步支持金属—氮局域配位环境受到邻近异核金属调节。


图片


图4 | 镍钴双原子催化与受控加水协同改善电池反应表现,并促进放电产物向LiOH转变。

无水条件下,双原子电极放电容量约25000 mA h g⁻¹,优化样品在限容测试中的充放电压差为0.83 V。加入5 vol%水后,容量升至约60000 mA h g⁻¹,XRD支持晶态LiOH生成。

容量按催化剂质量归一化,含水容量与产物对比实验采用LiFePO₄负极,不能直接视为裸锂负极含水体系表现。


图片


图5 | 限容循环、产物分析与在线质谱共同评估四电子LiOH路径的稳定性及反应可逆性。

在5 vol%水、500 mA g⁻¹及限容500 mA h g⁻¹条件下,镍钴双原子电极循环2075次,Co单原子参照为790次。在线质谱显示双原子体系减少CO₂和CO释放,但充电电子/氧气比仍为6.71,高于理想四电子值;放电比值为3.66,支持所测条件下存在混合路径,不能据此认定完全可逆。

📝 总结

该研究建立了连接原子尺度理论设计与高能量密度储能体系实验实现的数据驱动框架。

通过可解释机器学习解析异核活性位点的组合复杂性,并利用价电子构型、电负性差异等关键物理化学描述符,研究团队识别出具有潜力的镍钴双原子构型,为突破传统单原子候选体系的线性标度限制提供了路径。

实验结果表明,所制备的镍钴双原子催化剂能够支持稳定的质子耦合四电子氧反应路径,实现约60000 mA h g⁻¹的容量及2075次可逆循环。机制解释将这一表现归因于位点间自发电荷转移对d带中心的调节,以及由此降低的氧化还原热力学障碍;

与此同时,双原子结构还可作为双功能稳定层,均匀化Li⁺通量并抑制负极枝晶生长。总体而言,该工作为复杂催化材料的合理设计提供了可推广的数据驱动策略,并为锂氧电池之外的多电子能量转换过程提供预测性设计思路。

上述容量与循环寿命分别对应特定的质量归一化和限容测试条件。气体分析尚未显示理想的充电氧气收支,计算能量也应主要作为支持机制解释的定性趋势,而非对反应机制的独立确证。

Machine learning-driven regulation of the four-electron LiOH pathway in lithium–oxygen batteries with prolonged cycling,Nature Communications,2026,DOI:10.1038/s41467-026-79335-6

#哈尔滨工业大学(深圳)#施荣沛#慈立杰#李德平#陆敬予#德国美茵茨大学#高丹丹#Nature子刊#电池








邮发代号:80-732

联系热线:010-64519601/9602/9643

投稿网址:http://www.energystorage-journal.com/

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/203690