人工智能在锂离子电池研发中的应用

锂离子电池已成为解决现代社会储能问题的最佳解决方案之一。然而,电池材料和器件开发都是复杂的多变量问题,传统的依赖研究人员进行实验的试错法在电池性能提升方面遇到了瓶颈。人工智能（AI）具有强大的高速、海量数据处理能力,是上述突破研究瓶颈的最具潜力的技术。其中,机器学习 (ML) 算法在评估多维数据变量和集合之间的组合关联方面的独特优势有望帮助研究人员发现不同因素之间的相互作用规律并阐明材料合成和设备制造的机制。本综述总结了锂离子电池传统研究方法遇到的各种挑战,并详细介绍了人工智能在电池材料研究、电池器件设计与制造、材料与器件表征、电池循环寿命与安全性评估等方面的应用。最重要的是,我们介绍了AI和ML在电池研究中面临的挑战,并讨论了它们应用的缺点和前景。我们相信,未来实验科学家、数学建模专家和AI专家之间更紧密的合作将极大地促进AI和ML方法用以解决传统方法难以克服的电池和材料问题。     

聚合物固态锂电池电解质/负极界面

动力电池领域对锂二次电池的能量密度和安全性提出了更高要求,研究高能量密度固态锂电池对发展新能源产业具有重要意义。相比传统的有机电解液锂离子电池,采用聚合物固体电解质的聚合物固态锂电池不但具有明显提升的安全性,而且能够匹配高容量电极材料,实现能量密度的有效提升。聚合物固态锂电池是最有前景的锂二次电池之一,然而聚合物固体电解质与锂负极间仍存在严重的界面副反应、锂负极表面易生长枝晶等问题。近年来,通过电解质成分调控、电解质力学性能提升、电解质/锂负极界面调控和匹配三维锂负极等手段,聚合物基固态锂电池性能明显提升。基于此,本文介绍了常见的聚合物固体电解质及其与锂负极间的界面挑战,从添加无机填料、使用高强度基底膜、分级层状结构设计、构筑界面缓冲层、交联网络设计以及固态锂负极保护等几个方面综述了提升聚合物基电解质/锂负极界面稳定性的最新研究成果,最后对解决聚合物固体电解质/锂负极界面兼容性的研发方向和发展趋势进行了展望。     

有机碳源对LiTi2(PO4)3/C复合水系负极性能的影响

采用喷雾干燥与高温煅烧相结合的方法制备了球形LiTi₂(PO₄)₃/C复合水系负极材料, 探讨了基于不同包覆机制的有机碳源和碳包覆量对LiTi₂(PO₄)₃/C复合负极电化学性能的影响. 结果表明, 碳包覆量过低时不足以阻止水的侵蚀, 而碳含量过高时锂离子扩散的阻力过大, 磷酸钛锂电极最优碳包覆质量分数为13%. 碳包覆的均匀性和包覆层厚度是影响电极性能的两个重要因素. 基于原位聚合包覆机制的聚多巴胺包覆磷酸钛锂颗粒最均匀, 碳化后微晶结构较好, 具有良好的电子导电性, 以聚多巴胺为碳源制备的LiTi₂(PO₄)₃/C复合负极性能最优.     

辐照交联法制备锂离子电池用凝胶聚合物电解质及其性能

采用γ-射线辐照交联法制备了具有网络结构的聚偏氟乙烯-六氟丙烯/新戊二醇二丙烯酸酯(PVDF-HFP/NPGDA)基凝胶聚合物电解质(GPE). 考察了不同辐照剂量对凝胶电解质形貌结构、热稳定性和电化学性能的影响以及不同辐照剂量和不同温度下电导率的变化. 结果表明, 随辐照剂量的增加, 凝胶电解质的固化程度提高, 电导率下降. 电导率随温度的变化符合VTF方程. 当辐照剂量为5 kGy 时, 制备的凝胶电解质具有较高的离子电导率和电化学稳定窗口, 室温下分别为7.8×10-3 S·cm-1和4.7 V(vs Li/Li+). 以其为电解质制备的LiMn2O4∣GPE∣Li聚合物锂离子电池具有较好的循环性能.     

聚丙烯腈在锂金属电池电解质中的应用

随着便携式电子设备、电动汽车和智能电网等快速发展，人们对高能量密度锂金属电池的关注日益增多。锂金属表面不均匀的剥落或沉积会导致锂枝晶生长，锂枝晶容易刺穿隔膜，存在引发电池短路的风险，而且高反应活性的锂金属会与电解液不断反应被消耗，生成不稳定的固体电解质界面（SEI）膜，造成不可逆的容量损失，因此兼顾高能量密度与高安全性是锂金属电池发展应用中亟需解决的关键科学问题。具有强吸电子基团（C≡N）的聚丙烯腈（PAN）聚合物与碳酸酯溶剂中C=O的相互作用能形成更稳定的SEI膜，PAN作为锂负极涂层还能抑制锂枝晶的生长；另外，PAN具有较低的最低未占据分子轨道、较高的电化学稳定性和较宽的电化学窗口，能作为锂金属电池的聚合物电解质，并匹配高电压正极，兼具高能量密度和高安全性，故PAN聚合物在锂金属电池的电解质中有着很大的应用潜力。本文从电解质的不同状态（液态、凝胶、固态）介绍了PAN聚合物在液态电解质中作为隔膜、锂负极保护层以及在凝胶电解质、固态电解质的最新研究成果，并对PAN聚合物在锂金属电池电解质中的发展趋势进行展望。