「国家杰青」张瑜领衔！北京航空航天大学刘大鹏AFM | 主动学习驱动的多组分电解液优化助力快充锂离子电池！

背景：随着电动汽车与便携电子设备的快速发展，市场对具备优异快充性能的锂离子电池需求迫切，而快充能力在很大程度上取决于电解液的溶剂化环境及其衍生的界面相。然而，锂离子电池体系复杂的电化学本质使得传统的“试错法”在多组分电解液优化中效率低下。研究目的：本研究旨在采用主动学习策略，通过协同调控关键组分比例，优化多组分电解液配方，以提升商用石墨负极与NCM811正极的快充性能。结论：研究采用贝叶斯优化算法，仅两轮迭代即筛选出最佳电解液配方N21。该配方构建了以接触离子对为主的平衡溶剂化环境，并协同添加剂形成了富含Li3PO4的薄型界面相，显著降低了界面阻抗和锂离子扩散激活能。采用该电解液的电池在4C快充下表现出高容量保持率和长循环寿命，软包电池在4C充电率下容量保持率>90%，为快充锂离子电池提供了高效、可落地的电解液解决方案，并展示了机器学习-实验闭环在电池化学中的普适性。