通过集成机器学习的钙钛矿传感器实现高精度锂离子电池状态预测

《Nano Energy》：Enabling High-Accuracy Lithium-Ion Battery Status Prediction via Machine Learning-Integrated Perovskite Sensors

本研究提出通过ZnO界面修饰和EPDM聚合物封装解决CsPbBr3量子点在电解质中的化学不稳定性问题，成功制备高稳定柔性复合材料并应用于锂离子电池实时多参数监测。ΔE_ads为-0.823 eV证实ZnO钝化层的热力学稳定性，EPDM封装显著提升柔性。

　　

孙佳鑫|徐先杰|穆哲夫|黄子军|陈国|齐新凯|刘宏伟|朱雷|顾秀全|何新健|黄胜

章节摘录

CsPbBr?/ZnO/EPDM复合材料的改性机制

钙钛矿量子点在内部电池传感中的应用受到其在电解质环境中化学不稳定性的限制。为了解决这一关键问题，本研究提出了一种基于溶液的表面钝化策略。通过ZnO界面改性和有机聚合物复合封装，制备了一种高度稳定的CsPbBr?/ZnO/EPDM柔性传感材料。合成过程示意图如图1a所示。CsPbBr?量子点是采用一锅法合成的：

结论

通过材料设计和机理分析，本研究成功开发了一种基于ZnO钝化的CsPbBr?量子点的可植入柔性传感系统，为锂离子电池内部的实时多参数监测提供了创新解决方案。实验和理论结果证实，ZnO钝化层在CsPbBr?表面形成了热力学稳定的界面吸附（ΔE_ads = ?0.823 eV）。EPDM聚合物封装显著提高了材料的柔韧性。

材料

碳酸铯（CsCO₃，99.99%，Aladdin）、溴化铅（PbBr₂，99.9%，Macklin）、四庚基溴化铵（C₂₈H₆₀NBr，Tmbr，99%，Aladdin）、油酸（C₁₈H₃₄O₂，OA，85%，Aladdin）、正辛胺（C₈H₁₉N，OLm，99%，Macklin）、甲苯（C₆H₅CH₃，99.5%，通用试剂）、二乙基锌（C₄H₁₀Zn，1.0 M，Macklin）、EPDM（C₁₅H₃₀X₂，Macklin）。

实验

CsPbBr₃/ZnO量子点的合成。采用二乙基锌对钙钛矿CsPbBr₃量子点进行表面包覆的合成方法，在适中温度下制备CsPbBr₃/ZnO量子点。

未引用参考文献

[59]

资助

国家自然科学基金（项目编号52303356）、澳门青年学者计划（AM2023014）、国家重点研发计划（项目编号2024YFC3015000）以及中国矿业大学（CUMT）的实验技术研发项目（S2023D002）。

CRediT作者贡献声明

穆哲夫：研究工作、数据整理、概念构思。黄子军：研究工作、数据分析。陈国：数据整理、概念构思。齐新凯：数据可视化、数据整理。刘宏伟：研究工作、数据分析。朱雷：撰写、审稿与编辑。顾秀全：撰写、审稿与编辑。何新健：撰写、审稿与编辑、概念构思。黄胜：撰写、审稿与编辑、方法论研究、数据分析。孙佳鑫：撰写、初稿撰写、数据分析。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：黄胜的工作得到了中国矿业大学的资助。黄胜与中国矿业大学存在关联。如果还有其他作者，他们声明自己没有已知的可能影响本研究报告工作的财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（项目编号52303356）、澳门青年学者计划（AM2023014）、国家重点研发计划（项目编号2024YFC3015000）以及中国矿业大学（CUMT）的实验技术研发项目（S2023D002）的资助。

孙佳鑫，中国矿业大学材料工程专业的硕士研究生。主要从事智能传感器研究。