《Sustainable Energy Technologies and Assessments》：Electrochemical upcycling of tyre-derived carbon via molten salts for sustainable supercapacitors and data driven modelling of cyclic voltammetry
编辑推荐：
•实验性电化学熔盐（EMS）方法用于活化黑碳（BC）•黑碳来源于轮胎回收废弃物•通过轮胎废弃物衍生的碳和绿色电解质实现可持续能源存储•在超级电容器中，活化后的黑碳电极显示出自电容增加了约39.4%•利用机器学习建模的EMS工艺将自电容预测误差降至3.75%•机器学习揭示出可解释的
- •
实验性电化学熔盐（EMS）方法用于活化黑碳（BC）
- •
黑碳来源于轮胎回收废弃物
- •
通过轮胎废弃物衍生的碳和绿色电解质实现可持续能源存储
- •
在超级电容器中，活化后的黑碳电极显示出自电容增加了约39.4%
- •
利用机器学习建模的EMS工艺将自电容预测误差降至3.75%
- •
机器学习揭示出可解释的关键因素：熔盐温度是主要影响因素
引言
在环境污染对人类活动至关重要的时代，寻找创新解决方案以减少能源消耗和最小化碳足迹至关重要。当前的能源系统需要像超级电容器（SC）这样的储能设备，这些设备在各种系统中发挥着重要作用，并且与其他储能设备（如电池）相比具有重要的环境效益和技术优势[1]、[2]、[3]。近年来，更高效的超级电容器已经开发出来并正在引领市场，因为它们弥补了电池在热稳定性、寿命和免维护操作方面的局限性[1]、[2]、[4]。多孔材料对超级电容器的储能性能起着关键作用。当活性电极材料具有较大的表面积和良好的电极-电解质界面兼容性时，电双层电容器（EDLC）能够提供更高的电容和能量密度[2]、[4]。目前的超级电容器电极使用基于碳的材料作为活性材料，这些材料具有多样的表面积。木炭、导电聚合物和金属氧化物也被广泛用作电极材料，然而，相关的成本和原料供应是超级电容器制造产业面临的问题。对先进电极材料的高需求促使人们开发新技术和替代原料。在这种情况下，轮胎废弃物似乎是一个可行的碳源，尤其是因为它是全球主要的污染物之一。每年大约销售2400万个轮胎，它们的处理对环境产生了负面影响[5]、[6]。轮胎是复杂的复合材料，这使得通过热解进行回收特别具有挑战性。从轮胎中提取的黑碳（BC）通常含有硫和其他残留元素。这些杂质限制了其作为商业产品成分的可持续性，因为这些产品需要满足市场竞争力、商业可行性和可扩展性的标准[5]、[7]、[8]。因此，将报废轮胎转化为功能性碳电极重新引起了人们的关注，最近的研究（见表1）集中在双用途策略上，以最大化这一废物的潜力。例如，通过KOH和尿素掺杂活化后的轮胎衍生碳达到了129 F g^-1的比电容。但这需要两个化学步骤，会产生额外的成本和残留物，从而限制了这一过程的大规模应用[9]。
为了应对这一问题，电化学熔盐（EMS）技术近年来因其适用于多种盐类、温度和电压的材料处理应用而变得重要[10]，并且因为它可以在不进行掺杂阶段的情况下工作，提供了更简单、更可扩展的加工途径。EMS技术还因其潜在的用途而受到欢迎，例如修改聚合物基原料的碳性质、回收关键金属、通过电解产生氢气以及捕获CO2[11]、[12]、[13]。此外，EMS活化的碳产生了分支、互联互通的多孔结构和无序的石墨结构，优化了电极-电解质的电双层相互作用。Mon等人[14]进一步指出，电化学性能严重依赖于电解质的选择，而不仅仅是碳的结构。他们报告说，在1 M H2SO4、1 M KOH和1 M Na2SO4溶液中，高度优化的层析胶炭衍生物分别展示了475 F g^-1、312 F g^-1和79 F g^-1的比电容。这些例子表明，EMS衍生材料的性能很大程度上取决于所使用的电解质，在像乙醇这样的绿色电解质中获得的较低电容反映了电解质毒性与电化学性能之间的权衡（见表1）。
电化学熔盐方法之前已被用于CO2捕获/转化，以及将SiC和Ti3AlC2等陶瓷前体蚀刻成多孔碳以用于水处理[22]。这些方法尚未应用于能源存储应用的废弃物衍生碳源。这项工作首次展示了使用LiCl-KCl共晶熔体作为工作电极对轮胎衍生黑碳进行EMS活化的过程。在我们的框架中，提出了一种新的方法，利用热解后的轮胎废弃物中的黑碳（BCo）作为活化剂，通过EMS工艺促进纳米孔的形成。所提出的EMS过程不同于现有方法，因为它使用LiCl/KCl共晶电解质通过电化学活化途径而不是传统的热处理或模板碳化途径来重构轮胎衍生碳黑，后者通常用于支持孔隙形成、碳化或从生物质或CO2相关系统中沉积碳。这种EMS驱动的活化方法同时在一步中诱导了孔隙形成、硫去除和部分石墨化。为了采用可持续的技术方法，我们测量了所得活化碳（用作 cathode–anode 活性材料）与绿色电解质相互作用的电化学性能。此外，为了未来的工业规模化，开发了一个数据驱动的机器学习（ML）框架，以弥合实验室规模和批量生产之间的差距，应用于EMS等材料转化方法。电化学系统本质上是多参数的，并且由于电极微观结构、电解质组成和EMS活化条件之间的相互作用复杂，仅通过传统的参数研究难以区分[21]、[23]。在这项研究中，ML模型基于实验获得的EMS活化碳数据进行了训练，以关联材料活化过程参数（如温度、保留时间和电压）和在对称双电极超级电容器配置中执行的关键电化学指标。通过结合基于ML的性能预测和敏感性分析，SCs的研究和开发可以优先考虑参数空间中稳健、高产的区域，减少昂贵的测试成本，减少实验室规模产生的废物，并加速先进电化学材料的“智能制造”策略的采用。
章节片段
黑碳的电化学活化
EMS过程在一个密封的电化学池（Nabertherm Tube Furnace RT 50）中进行，使用50克LiCl和50克KCl盐作为电解质（Sigma Aldrich，99%）。形成共晶混合物的熔盐、摩尔比和操作参数是根据先前的实验和文献[24]、[25]、[26]确定的。在Ar气氛下确定的最佳操作条件如下：2小时，0.2 A的恒定电流和2.5 V
未经处理的黑碳（BCo）和EMS活化后的碳（BC6）的SEM和BET分析
图1显示了电化学熔盐（EMS）活化前后黑碳（BCo）和活化碳粉末的扫描电子显微镜（SEM）图像。表面结构发生了显著变化，某些区域的粗糙度和孔隙率增加。
图2展示了使用多层吸附模型应用BET方程确定比表面积的情况。BCo样品的BET估计面积为43.1 m^2 g^-1，而EMS活化后的BC6则为...
深度学习分析
由于机器学习模型能够以任意程度的准确性模拟连续的封闭域函数[93]，它们可以用来模拟如超级电容器的充放电循环等物理过程。本节介绍了一个应用于前三章描述的循环伏安法（CV）实验数据的机器学习框架。
结论
本研究表明，电化学熔盐（EMS）活化是一种有效的一步法，可以将废弃物衍生的黑碳转化为功能性的超级电容器电极材料。EMS活化使BET表面积增加了39.4%（从43.1增加到60.09 m^2 g^-1），而FTIR、XRD和Raman分析表明，这种结构变化伴随着两个进一步的转变：从碳基质中去除含硫基团，以及石墨有序性的增加
CRediT作者贡献声明
Maria A. Sandoval Riofrio：撰写 – 审稿与编辑，撰写 – 原始草案，方法论，调查，形式分析，概念化。Kavisha Jayathunge：撰写 – 审稿与编辑，撰写 – 原始草案，可视化，验证，软件，方法论，形式分析，数据管理。
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：Maria Alexandra Sandoval Riofrio报告称她获得了Plant One BV的财务支持。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文报道的工作。
致谢
作者感谢伯恩茅斯大学为这项研究提供的资助。他们感谢Plant One BV提供用于这项研究的样品，并感谢Abdelkader博士在项目初期阶段提供的监督。
Maria A. Sandoval Riofrio|Kavisha Jayathunge
