上海交大 黄富强、李金金团队AM：基于机器学习的高熵钠离子正极设计与全链条研究

背景：高熵层状氧化物正极材料因多组分协同和熵稳定效应有望解决钠离子电池关键问题，但其化学组成多样性和元素作用机制尚不明确。研究目的：上海交大团队开发混合流机器学习模型（HFML），从海量候选材料中高效筛选高性能高熵正极，并探究元素调控机制。结论：成功筛选出Na0.95Li0.06Ni0.25Cu0.05Fe0.1Co0.05Mn0.44Ti0.05O2材料，其表现出优异循环稳定性（500次循环容量保持率80.2%），并通过实验验证s-block金属离子、高价d0/d10离子对结构稳定的关键作用，同时实现百公斤级中试制备和软包电池应用。