南京工业大学郑卓元，周杰，朱玉松教授，Chem. Soc. Rev.：计算方法启发的锂电池固态电解质新进展：从第一原理到机器学习

第一作者：郑卓元

通讯作者：郑卓元*，朱玉松*

单位：南京工业大学

由于可再生能源的使用越来越普及，对具有高安全性、高性能和低成本的能量存储系统（EES）的需求也在不断增加，逐渐超过了商用锂离子电池（LIBs）能够提供的能力。固态电解质（SSEs），包括无机物、聚合物和复合材料，在下一代全固态电池（ASSBs）中已经成为有力的候选材料。ASSBs提供了更高的理论能量密度、改善的安全性和长期的循环稳定性，因此在学术界和工业界越来越受到关注。然而，ASSBs的商业化仍面临严重挑战，比如高界面电阻和快速枝晶生长。为了克服这些问题，深入理解SSE的复杂力-电-化学相互作用至关重要。

最近，各种计算仿真方法在加速SSE研发中发挥了关键作用，包括原子尺度的第一性原理计算、分子动力学模拟、多物理建模和机器学习方法。这些方法可以用于预测材料内在性能和界面稳定性，探究材料老化机理和优化微观结构设计等。在本综述中，作者概述了在SSE研究中使用的各种计算方法，特别关注了机器学习方法，以便理解SSE在各种空间和时间尺度上的多物理耦合。此外，作者还提出了对SSE进展的见解和展望。本综述为从事能量存储系统和计算建模的研究人员和专业人士提供宝贵资源，并且为SSE发展的未来方向提供了展望。

近日，来自南京工业大学的郑卓元，周杰，朱玉松教授，在国际知名期刊Chemical Society Reviews上发表题为“Computational approach inspired advancements of solid-state electrolytes for lithium secondary batteries: from first-principles to machine learning”的综述文章。该综述文章概述了在SSE研究中使用的各种计算方法，特别关注了机器学习方法，以理解SSE在各种空间和时间尺度上的多物理耦合，同时对SSE进展的提出了见解和展望。

为了推进高性能全固态电池的发展，识别具有优异性能的合适固态电解质至关重要。利用计算方法来估计它们的固有特性是一种成本效益且准确的发现有前景的固态电解质材料的方法。这包括利用诸如DFT和MD模拟等技术来预测稳定的晶体结构以及了解离子迁移机制。不同的固态电解质材料，包括固体无机电解质、聚合物电解质、纳米结构材料和复合电解质，表现出独特的离子传输机制，导致多样化的材料特性和改性途径。

尽管固态电解质相较于传统液体电解质有着众多优势，但它们与电极活性材料的界面相容性仍是阻碍全固态电池商业化的关键挑战。电极和固态电解质对的相容性涉及数个关键方面。首先，固-固或颗粒-颗粒界面的接触不良可能导致相对较高的界面阻抗，限制固态电池的倍率性能和循环稳定性，特别是那些电极受到体积变化和高电压电极影响的情况。为了在固态电池中实现广泛应用，需要显著改进以减少接触损失，并增强界面的离子传输途径。其次，某些固态电解质，如硫化物电解质，在潮湿空气中容易发生水解。解决这一脆弱性需要对电极-电解质界面进行基本的认识，并开发修饰方法作为解决此问题的前提。最后，在电化学循环过程中，电极与固态电解质之间发生的化学反应是全固态电池容量衰减和电池失效的主要原因。电极和固态电解质之间的固有热力学不稳定性，包括界面反应和界面生成物的形成，显著影响固态电池性能。由于实验测定这种不稳定性费时费力，因此计算方法被广泛采用。

在中等尺度同样需要对固态电解质的动力学和失效机制进行全面评估。这种力-电化学耦合评估对于确定固态电池的性能、安全性和寿命至关重要，主要包含两个关键方面：中等尺度离子扩散和固态电解质的多物理学响应，及枝晶的起始和生长。通过探究这些现象，可以揭示支配固态电解质行为和失效模式的基本机制。这些发现将为制定有针对性的策略，克服挑战并提高固态电池技术的可靠性和效率提供宝贵见解。

机器学习算法可以通过已知的组成和性质进行训练，以预测新组合的性能，实现逆向设计，为材料的行为提供宝贵的见解，并帮助设计和优化过程。机器学习力场（MLPs）是机器学习在材料设计中的另一个应用，解决了DFT、经典力场和AIMD模拟所面临的计算挑战，并提供了一种具有吸引力和可靠性的工具，能够在第一原理水平上保持准确性的情况下将数值模拟延伸到更长的时间尺度和更大的系统。此外，应用于原子和分子级别的机器学习技术可以分析大量的材料性质数据，实现对组成的筛选，并识别具有稳定晶体结构和所需特性的有前景的候选材料。

Computational approach inspired advancements of solid-state electrolytes for lithium secondary batteries: from first-principles to machine learning

郑卓元副教授简介：南京工业大学的副教授。他在同济大学获得学士和硕士学位，并于2018年5月在威奇托州立大学获得机械工程博士学位。从2018年到2021年，他在伊利诺伊大学厄巴纳-尚佩恩分校担任博士后研究员。2022年3月，他加入南京工业大学能源科学与工程学院。他的主要研究方向是安全、低成本、高性能的电化学储能和转换材料与器件。在研究生和博士后阶段，先后参与国家重点基础研究发展计划（973 项目）子课题、国家自然科学基金、美国国家科学基金会未来制造项目、美国海军研究办公室项目等重要课题研究。发表SCI论文30余篇，其中以第一或通讯作者身份发表论文20篇，承担ACS Applied Materials & Interfaces、 Applied Energy 等多个 SCI 学术期刊的审稿工作。

朱玉松教授简介：南京工业大学教授、硕导，能源科学与工程学院副院长。2013年6月毕业于复旦大学化学系物理化学专业，获理学博士学位。2013年8月至2014年7月在日本东京工业大学资源化学所从事博士后研究。2015年3月到南京工业大学任教至今。主要从事安全低成本高性能能源存储转换材料与器件的研究。目前主持国家自然科学基金面上项目1项；主持完成国家自然科学基金面上项目1项、江苏省自然科学基金面上项目1项，企业产学研项目10余项；参与完成国家重点研发计划项目1项。截至目前已在电化学储能领域发表SCI论文100余篇，其中以第一或通讯作者身份发表论文40余篇， H因子31。申请中国专利20余项，授权12项。主编江苏省高校重点教材1部，编写中英文专著12章节。担任Adv. Energy Mater.、ACS Energy Lett.、Adv. Sci.、Chem. Eng. J.、Energy等SCI期刊特约审稿人。担任Nanomanufacturing杂志（MDPI，ISSN: 2673-687X）中国区编委。