上海交大团队研发HFML混合机器学习框架，定向筛选高熵钠电正极材料：从AI预测、实验验证到百公斤中试

背景：高熵层状氧化物作为钠离子电池正极材料具有高能量密度和低成本优势，但面临相变、动力学缓慢和空气不稳定性等问题，传统试错法效率低下。研究目的：上海交大团队开发HFML混合机器学习框架，旨在从海量候选材料中快速筛选高性能高熵正极材料，解析元素调控机制。结论：该框架成功筛选出Na0.95Li0.06Ni0.25Cu0.05Fe0.1Co0.05Mn0.44Ti0.05O2材料，表现出优异电化学性能（500次循环容量保持率80.2%），并通过百公斤级中试验证产业化潜力，提出s-block金属离子与高价金属离子的协同稳定机制。