MS_YangZhanZhang的博客

首先在基底上热蒸发约100 nm的金属锂，然后在手套箱中在金属锂表面热蒸发约50 nm的KF层，蚀刻前，如图2c-e所示，在顶层（KF层）表面的F 1s和K 2p区域明显收集到经典的K-F信号，而在样品表面没有检测到明显的锂信号。其中，锂金属是最有吸引力的负极，由此构成的固态锂金属电池被认为是最有前途的高安全性和高能量密度的储能器件之一。对于Li 1s区域，如图2e所示，当蚀刻深度到达锂金属层（50 nm）时，锂金属信号开始出现，当到达锂金属层内部（100 nm）时，锂金属峰占据了更高的比例。

其中，电解液的主要溶剂是DME，其具有很强的溶剂化能力和较高的供体数（DN）值，确保了电解液的导电性和电池的倍率性能。基于此，使用 SEE 的Li-NCM811 电池在 30 C 的高倍率下可实现 113.1 mAh g-1 的高放电比容量，在 10 C 下可稳定循环 300 次以上，容量保持率达 90%。使用 SEE 装配的 Li-NCM811 电池在 30 C的条件下可提供超过 110 mAh g-1 的放电容量，并能在 10 C的循环测试中实现超过 300 次的稳定循环。

此外，研究团队生成了一个包含55个锂镍钴锰氧化物（Nickel-Cobalt-Manganese-Oxide, NCM）电池的综合数据集，并结合了来自不同制造商的另外三个数据集，总共使用了387个电池和310,705个样本来验证所提出的方法。此外，如何将电池的物理方程与神经网络更无缝地整合，以及如何在现有数据和计算资源的约束下实现电池健康管理的最优集成，将是未来研究的重要方向。本研究提出的基于物理信息的神经网络（PINN）为锂离子电池的SOH估计提供了一种新的、有效的解决方案。图4：SOH估算结果图解。

特别是，Fe/Li2O电极能够在高达50 A g-1的电流密度下在6秒内充放电至126 mAh g-1，并且在10 A g-1的电流密度下显示出30,000个循环的稳定循环性能，电极材料的质量负载约为2.5 mg cm-2。图3：通过XPS和HRTEM对Fe/Li2O电极在不同充放电状态下的元素价态和组分的空间分布进行了表征，揭示了电极材料在充放电过程中的化学成分和空间分布演变。图6：Fe/LixM（M=F, S, N）电极在不同电流密度下的充放电曲线和长期循环性能，证明了设计策略和存储机制的普适性。

成果简介流动电池（Flow Batteries，FBs）由于其能量与功率分级解耦、可扩展性和长寿命等特点，是长时能量储存（Long Duration Energy Storage，LDES）的非常有前景的选择。自1973年NASA提出第一代现代流动电池以来，流动电池在关键材料、堆栈、示范试验乃至商业应用等方面迅速发展。然而，作为LDES的主要候选者，流动电池在工业化过程中仍面临成本和性能方面的挑战，需要延长电池的持续时间并考虑一些“绿色”和可循环资源。大连化物所李先锋团队旨在通

为了实现致密且稳定的 SEI，使用具有交联网络的弹性 SEI 来增强 Si 负极的界面稳定性。在此研究中，通过多尺度成像和光谱技术，特别是冷冻电镜(cryo-EM ),揭示了在软包电池中循环的微米级 Si 颗粒的容量退化机制和相关的界面演变。在下一代高能量密度锂离子电池（LIBs）中，由于固态电解质界面（SEI）形成而导致的容量损失，很大程度上阻碍了硅（Si）负极的实际应用。其研究结果不仅揭示了 Si 负极的基本失效机制，有利于其实际应用，而且为未来实现高性能电池的界面设计提供了全面的动态界面演变理解。

作者在μm-Si电极中加入D2O，D2O可以与电极中形成的Li-Si合金发生反应(2xD2O +2LixSi → xD2↑ + 2Si + 2xLiOD)，滴定气相色谱法(TGC)显示，μm-Si电极在EC/DMC电解液中产生的D2量为22.45 μmol mg−1，表明在首次循环中近33.17%的Li损失与形成的Li-Si合金有关。电解质中C2H2O−的信号呈现出一个尖锐的初始峰值，随着溅射深度的增加衰减到较小稳定值，表明有机成分主要集中在SEI的外层，对SEI的抗断裂性能起着至关重要的作用。

此外，通过Sb5+掺杂和调节一次颗粒形态，实现了结构稳定性的增强，有助于减轻颗粒破碎，最终提高了循环稳定性。图4：通过SEM和TEM对循环后的NCM90和Sb2Se3电极形貌的观察，以及通过O K边和Ni L边软XAS光谱分析了电极在循环后的结构变化，并对比了Ni K边XANES光谱来评估电极中Ni2+的状态。本研究从Sb2Se3的低熔点注入能力中获得灵感，提出了一种三合一策略，旨在通过在一次颗粒和二次颗粒表面涂覆、Sb掺杂以及调节一次颗粒形态为长条形和纤细形，同时实现结构和界面稳定性的加强。

更重要的是，多孔隔板的加入不仅减少了外部散射，还为聚合物的热传导提供了相对规则的通道，因此PPIL的热传导率是PIL的6倍。如图5a和5b，使用 PPIL 电解质组装的电池在0.1、0.2、0.5、1和2 C下的放电容量分别为168、165、160、155和145 mAh g-1，并且在电流回到 0.2 C 后显示出较高的容量保持率。此外，坚固柔韧的分离基体保持了超薄SSE的结构完整性，不仅防止了内部短路和枝晶穿透，更重要的是减少了外部散射，提供了相对规则的通道（图 1c）。

目前，已在Nat. Commun., J. Am. Chem. Soc., Angew. Chem. Int. Ed., Energy Environ. Sci., Adv. Energy Mater., Adv. Funct. Mater., ACS Energy Lett., ACS Catal.等国际著名杂志以第一或通讯作者发表SCI研究论文160余篇，文章他引8000余次，h因子47。该研究提供了一种简单、快速和有效的方法来实现单分散的·POM·簇，并触发理想的和可观的界面能量存储。

然而，对于企业级新材料研发，面临着如何避免数据碎片化，整合、研发或改进新材料研发生命周期过程中的离散数据、代码、模型和算法等，从而实现团队共享的问题；作者从基本概念和基本理念讲起，提出了基于材料基因编码理念的材料智能设计新范式，阐述了高通量计算、高通量材料计算、高通量计算环境、高通量材料计算驱动引擎、材料基因数据库、材料基因编码挖掘、材料设计软件等内容，深入浅出，适合于有意向开展或了解高通量多尺度材料计算、材料数据和机器学习的高校、科研院所和企业等层面的读者群体。

在该混合模型中，基于物理的模型是通过平均核-壳的增强单粒子模型来描述石墨阳极电池中磷酸铁正极的两相变操作，机器学习部分基于对电池在不同充放电模式下的电化学内部状态的了解，从模型特征和实验中学习滞后行为，以补偿模型的不确定性，并分别对19和15小时的电动汽车的真实驾驶轮廓进行训练和验证。为了设计有效且高性能的BMS，来自美国斯坦福大学能源科学与工程系的Simona Onori教授团队，开发了一种混合模型，将基于物理的建模优势与机器学习模型描述未知物理的能力相结合，以捕捉瞬态操作中的滞后和路径依赖行为。

(f) 不同阳极在 6C 下的长期循环性能。通过采用最先进的 UPS 和液相 AFM 纳米压痕分析以及 DFT 计算，研究人员发现改性 Gr 的速率能力的提高与 MoON 界面层的低 Li+ 迁移势垒 (ΔVLi)、高电子功函数 (Φe) 和低去溶剂化能 (ΔEd)相关。通过利用跨界面的调节质量/电荷转移的优势，MoON 改性 Gr（MoON@Gr）阳极在 6C 下循环 4000 次后可提供前所未有的 340.3 mAh g-1 的可逆容量，同时还保留了完整的结构，并在界面上呈现出化学成分的稳定演化。

吸附在Co-N4位点上的LiO2*的结构模型和电荷密度差发现，吸附剂和催化剂之间有大量的电子转移，表明在Co-N4位点LiO2有很强的吸附作用。此外，电池可承受空气中的腐蚀，并在220次循环中保持稳定。报道了一种金属-有机骨架衍生的“水捕获”单原子-Co-N4/石墨烯催化剂（Co-SA-rGO），使LiOH能够在非质子Li-O2电池中直接进行4e−催化反应。之后，由于LiO2与Co-N4之间的适当吸附构型约束、Co-N4的快速质子转移能力以及体系中存在水，Co-SA-rGO发生了LiOH的化学歧化过程。

当一个被吸附的*CO2分子与一个游离的CO2分子结合形成*C2O4时，*C2O4在Ru的(101)面上的反应自由能最低，表明Ru对第二个游离的CO2分子仍具有较强的吸附能力。由于Ru对CO2有较强的催化能力，*CO2在Ir-Ru合金(101)面中比在Ir(111)面中更容易转化为*C2O4。*CO2在Ir、Ru和Ir-Ru合金上的反应能分别为-6.80、-8.32和-7.71 eV，表明Ru具有较强的CO2吸附能力，吸附的CO2倾向于靠近Ru的催化位点，Ir-Ru合金催化剂中的Ru元素起主要作用。