NSR | 用“指纹”解码锂金属负极的失效路径

本文介绍了清华大学深圳国际研究生院周光敏团队与中国科学院深圳先进技术研究院成会明院士团队合作的一项研究，提出了一种基于“电化学曲线指纹”的新方法，用于预测锂金属负极的失效模式。传统电池研究需要长时间、高成本的循环测试和拆解分析，而新方法仅需前两圈的充放电数据即可高准确率预测电池的失效路径。研究团队通过机器学习工具，将锂金属负极的失效归纳为三类典型模式：动力学退化、可逆性退化和协同退化，并构建了一个分类模型。该模型在多种电解液体系中表现出良好的泛化能力和低误判率，揭示了锂沉积初期的形貌和界面结构（SEI）对电池性能的决定性影响。这一研究为电池研发提供了快速、精确的评价方法，有望显著提升新材料研发效率。