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，但面临相变复杂、动力学缓慢等问题，传统实验方法效率低下。研究目的：上海交大团队研发HFML混合机器学习框架，旨在从海量候选材料中高效筛选稳定高熵正极材料，并通过实验验证其性能。结论：该框架成功筛选出高性能材料Na0.95Li0.06Ni0.25Cu0.05Fe0.1Co0.05Mn0.44Ti0.05O2，证实s-block金属离子、Cu²⁺及高价d0/d10金属离子可稳定结构，降低循环应力，实现从预测到百公斤级中试的全链条研究，为复杂材料设计提供新范式。