AI驱动高通量筛选助力锌阳极稳定：水系锌离子电池新型电解液添加剂的发现与应用

为解决水系锌离子电池(AZIBs)中锌枝晶、析氢反应及副产物生成等问题，研究人员采用人工智能驱动的图神经网络技术，对75 024种有机分子进行高通量筛选，最终发现氰乙酰胺(CA)和海因(HN)两种新型电解液添加剂。实验证实这两种添加剂能优先吸附于锌阳极表面，显著提升电极界面稳定性，为AZIBs性能优化提供了可扩展的研究框架。

　　

这项突破性研究开创性地将人工智能技术与电化学研究相结合。通过图神经网络(GNN)对75,024种有机分子进行系统性分析，科研团队建立了包含吸附能(Zn(002)表面)、氧化还原电位和水溶性三大关键参数的评估体系。高通量筛选锁定的48个候选分子中，氰乙酰胺(cyanoacetamide, CA)和海因(hydantoin, HN)两种化合物展现出卓越的锌阳极修饰潜力。

实验数据揭示，CA和HN分子能像"智能卫士"般选择性吸附在锌电极表面，形成动态保护层。这种分子级界面工程不仅有效抑制了锌枝晶(zinc dendrites)的生长，还将电极-电解液界面的稳定性提升了显著水平。理论计算进一步证实，这些添加剂分子通过调控锌离子(Zn²⁺)的沉积行为，实现了电极反应动力学的精准优化。

该研究构建了"计算筛选-实验验证-机理阐释"的完整研究范式，为新型电池材料的开发提供了创新思路。特别是将机器学习与传统电化学研究相结合的跨学科方法，有望加速下一代储能器件的研发进程。值得一提的是，研究中发现的CA和HN作为全新电解液添加剂，其成本效益比显著优于传统材料，这为水系锌离子电池的商业化应用铺平了道路。