利用数据驱动和基础见解推动锂金属电池电解液创新

《Advanced Materials》：Leveraging Data-Driven and Fundamental Insights for Electrolyte Innovation in Lithium Metal Batteries

　　

数据科学的兴起和数十年来积累的电池研究为计算在研究中的普遍使用铺平了道路。在此，研究人员分析了从超过100篇科学文章中根据严格筛选标准整理的最大实验库仑效率（CE）数据集，以提取仅通过传统科学方法难以获得的见解。通过根据使用Aurbach或循环方法测量的CE对数据集进行拆分，按质量归一化电解液配方，并利用先进的数据分析结合物理信息特征工程，研究人员发现，较高的sF、较低的sC和sO值（分别受氟化程度、碳链长度和氧含量的影响）有助于提高CE。令人惊讶的是，当所有其他特征相同时，沸点成为控制因素，较低的沸点对应于较高的CE。通过利用获得的见解和模型的准确CE预测（R² = 0.85），一种新型电解液在Li||Cu电池中实现了99.57%的高CE，相对于Li⁺/Li的优异氧化稳定性约为4.8 V，并在Li||NMC811电池中经过700多次循环后保持80%的容量。本工作中提出的通用机器学习工作流程和精心设计的特征可以启发其他电池化学体系液体电解液的设计。

**研究背景**
锂离子电池（LIBs）已深刻改变人类生活，但电动汽车（EV）产业的扩展对更高能量密度、更长寿命且安全的电池提出了迫切需求。锂金属电池（LMBs）因锂金属的高比容量（3860 mAh g^?1）被视为电池领域的“圣杯”，但其实际应用受限于锂金属的高化学活性及枝晶生长导致的灾难性失效。电解液作为连接正负极、促进Li⁺迁移的关键组分，其性能直接决定了LMBs的库仑效率（CE）和循环寿命。然而，传统电解液开发依赖于大量试错实验，面对广阔的化学空间和复杂的分子结构-性质关系，效率极低。近年来，机器学习（ML）在电池材料筛选和性能预测中展现出潜力，但高质量标准化实验数据集的缺乏是主要障碍。本研究旨在通过整合数据驱动方法和基础见解，从大规模实验数据中提取电解液设计规律，并最终开发出高CE、高氧化稳定性及长循环寿命的新型电解液。

**研究内容与结论**
研究人员从103篇文献（包括102篇同行评议文章和1项专利）中筛选出640个电解液配方，构建了最大的实验CE数据集。通过按Aurbach和循环两种测量方法拆分数据集，并设计8个分子描述符（sF、sC、sO、沸点等），结合随机森林（RF）模型预测CE（R²=0.85），揭示了sF、sC、sO和沸点对CE的关键影响。基于模型洞察，设计的新型电解液S45在Li||Cu电池中实现99.57%的CE，氧化稳定性达4.8 V（vs. Li⁺/Li），并在Li||NMC811电池中循环700次后容量保持率80%。该工作证明了数据驱动方法加速电解液发现的可行性，并可为其他电池化学体系提供设计范式。论文发表在《Advanced Materials》。

**主要技术方法（不超过250字）**
1. **数据集构建与特征工程**：从103篇文献（102篇同行评议文章和1项专利）中严格筛选640个电解液配方，按Aurbach和循环方法分数据集；设计8个分子描述符（sF、sC、sO、沸点等），基于质量归一化电解液配方。
2. **机器学习建模**：采用随机森林（RF）模型预测CE，使用Gini系数和SHAP分析进行特征重要性评估。
3. **表征与电化学测试**：利用拉曼光谱、核磁共振（NMR）、X射线光电子能谱（XPS）解析溶剂化结构和SEI成分；通过Li||Cu、Li||Li、Li||NMC811电池测试CE、极化、阻抗及循环性能；线性扫描伏安法（LSV）评估氧化稳定性。

**研究结果**
**1.2 电解液与分子趋势实现高CE**
通过分析数据集，发现高CE区域主要由醚类溶剂、氟化非环状分子及LiFSI盐主导。LHCEs（局部高浓度电解液）因醚溶剂和稀释剂的使用而占据高CE区域。LiFSI盐因高溶解度和促进阴离子参与溶剂化而优于LiPF₆。盐混合物虽可将CE从低区提升至中区，但难以达到高CE（>99%）。此外，离子电导率与CE无相关性。

**1.3 sC、sF和沸点特征的探究**
以LiFSI/DME/稀释剂体系为模型，验证了sF、sC和沸点的影响：增加sF提高CE，增加sC降低CE，当其他特征相同时，低沸点对应高CE。循环法测试显示，高sF、低sC、低沸点电解液具有更长的循环寿命。拉曼光谱分析表明，高sF和低沸点增强阴离子-阴离子相互作用（AGG带蓝移），促进阴离子衍生SEI形成；低sC减弱Li⁺-溶剂配位。阻抗和极化数据揭示了sF降低总电阻的机制，但沸点与CE的关系需通过溶剂化结构解释。

**1.4 新型电解液在LMB中的应用**
基于模型预测和特征洞察，设计的新电解液S45在Li||Cu电池中实现99.57% CE，氧化稳定性达4.8 V，并在Li||NMC811电池中（4.4 V和4.5 V截止电压）分别实现700次和250次循环后80%容量保持，优于基准电解液M47。NMR和拉曼光谱显示S45中更多FSI^?阴离子参与Li⁺溶剂化，形成更聚集的离子结构，对应较低离子电导率和较高粘度。XPS分析表明S45形成更富含LiF的阴离子衍生SEI，有利于抑制溶剂分解。

**总结讨论与结论**
研究结论部分翻译如下：
通过整合数据挖掘，强调数据质量、数据预处理和有效的特征工程，研究人员揭示了功能性溶剂基团和盐类型的见解，为电池科学家提供了实现高CE的电解液设计指导。为了捕捉电解液系统的复杂性，成功设计了八个特征，编码了氟化程度、碳链长度、氧含量、沸点、阴离子类型和盐浓度的信息。分析特征表明，增加sF、降低sC和sO都导致CE性能提高。这些行为背后的原因之一在于Li⁺的溶剂化结构，其中更强的阴离子-阴离子相关性和/或更弱的Li⁺-溶剂相互作用可能是提高CE性能的关键。此外，当这些特征固定时，沸点成为控制因素，较低的沸点产生较高的CE。最后，一种新型电解液在Li||NMC811电池中展示了99.57%的高CE、4.8 V的优异氧化稳定性以及超过700次循环后80%的容量保持率。这项工作突出了采用数据驱动见解加速电解液发现的重要性，这一过程传统上需要大量资源和人力。更重要的是，所建立的方法具有广泛适用性，使研究人员能够为LMBs以及其他电池化学体系设计电解液。