数据驱动电解液设计！大连理工大学胡方圆，最新JACS!

钠金属电池因钠资源丰富、成本低廉，在大规模储能领域极具应用前景。无负极构型可进一步提升能量密度，但其实际应用高度依赖于电解液能否实现高度可逆的钠沉积/剥离，即极高的库仑效率。然而，高性能电解液的开发长期依赖经验试错，效率低下。将机器学习引入电解液设计虽具潜力，但高质量数据稀缺、模型过拟合及可解释性差等问题严重制约了数据驱动策略的有效性。

2026年7月21日，大连理工大学胡方圆教授在《Journal of the American Chemical Society》上发表了题为“Data-Driven Knowledge Discovery Reveals Quantitative Electrolyte Design Rules for Anode-Free Sodium Metal Batteries”的研究论文，提出了一种集成式数据驱动的知识发现框架，从有限数据中提炼出可量化、可解释的电解液设计规则。

研究团队构建了包含88种电解液配方的小规模数据集，为每个样本生成34个特征，涵盖元素组成、RDKit分子描述符及密度泛函理论计算结果。通过主成分分析无监督降维、递归特征消除监督筛选及SHAP可解释性分析，团队从34个特征中提炼出三个核心描述符：阴离子氧原子数、溶剂氧原子数和分子非极性表面积。SHAP分析表明，降低aO和sO、提高NonSA对对数库仑效率具有正向贡献。二维偏依赖图进一步给出定量指导：sO低于22且NonSA高于90时，LCE处于最优区间。

依据模型指导，团队选用无氧阴离子盐NaPF₆，并通过延长二甘醇二甲醚溶剂的烷基链，合成了非对称二乙二醇丁基甲醚。该溶剂sO略有降低、NonSA显著提高。在Na-Cu电池中，DGBME体系在800次循环中平均CE稳定达99.9%，而G2体系在300次循环后即出现短路。Aurbach测试中DGBME的CE为99.8%，明显优于G2的97.9%。滴定气相色谱定量显示，DGBME中死钠比例约为0.7%，低于G2的约1.1%。

机理研究表明，DGBME因碳链延长导致构象自由度降低，Na⁺仅与一个氧原子配位，结合能低于G2。分子动力学模拟和核磁共振显示，DGBME中Na⁺–PF₆⁻配位数更高，接触离子对和聚集体比例增加。拉曼光谱和小角X射线散射进一步证实了DGBME中阴离子主导的溶剂化结构。飞行时间二次离子质谱和X射线光电子能谱表明，DGBME衍生的SEI具有更薄的有机外层（约5 nm，G2为约55 nm）和更丰富的内层NaF组分。冷冻透射电镜证实该SEI薄且有序。

该电解液使Na-NVP电池在3400次循环后容量保持率达87.2%，Na-NFM电池在400次循环后稳定运行。安时级NVP和NFM无负极软包电池分别实现了192 Wh kg⁻¹和230 Wh kg⁻¹的能量密度。团队还对PubChem数据库中56019种候选溶剂分子进行了高通量DFT计算和非监督聚类分析，确认NonSA与偶极矩、极性表面积呈强负相关，且独立于传统极性描述符，证明其作为分子设计指导参数具有高信息密度和普适性。

1、建立集成式数据驱动框架，从88个小样本数据中提炼出aO、sO和NonSA三个关键描述符，实现电解液性能的定量预测与设计。

2、依据模型指导设计DGBME电解液，在Na-Cu电池中实现800次循环平均CE达99.9%，死钠比例降低至0.7%。

3、Ah级无负极软包电池能量密度达230 Wh kg⁻¹，并通过56019种分子高通量计算验证了NonSA描述符的普适性。

图1 机器学习工作流程及关键模型解释结果

图2 模型指导下的电解液实验验证与库仑效率对比

图3 溶剂非极性表面积对钠离子溶剂化结构的调控

图4 不同电解液中固体电解质界面的结构与化学组成

图5 SEI与CEI的冷冻电镜及高角环形暗场扫描透射电镜表征

图6 电解液在钠金属电池与无负极钠金属电池中的电化学性能评估

图7 基于高通量密度泛函计算的NonSA描述符特征分析

本研究建立了集成式数据驱动知识发现框架，从88个有限样本中成功提炼出aO、sO和NonSA三个核心描述符，实现了无负极钠金属电池电解液性能的定量预测。依据模型指导设计的DGBME电解液，通过降低溶剂氧含量和增大非极性表面积，增强了溶剂空间位阻效应，促进了阴离子主导的溶剂化结构，形成了NaF富集的薄而有序的SEI，有效抑制了死钠生成。该电解液在Na-Cu电池中实现了800次循环平均CE达99.9%，并支撑安时级软包电池达到230 Wh kg⁻¹的能量密度。该工作将可解释机器学习、溶剂化化学与界面化学有机融合，为可持续储能领域的高性能电解液开发提供了可量化、可推广的分子设计范式。

文献链接：https://doi.org/10.1021/jacs.6c05130

文章来源：新能源前沿