南航申来法Science子刊：机器学习解码航空动力电池高镍正极材料

电动航空是航空业低碳转型的核心赛道，但现有动力电池难以满足航空器对能量密度、高倍率充放电和长循环寿命的协同需求。高镍层状正极（Ni≥90%）虽具有高比容量优势，却面临Li/Ni混排、H2–H3相变诱导应变、界面重构等问题导致性能衰减。南京航空航天大学申来法团队提出机器学习辅助的掺杂筛选策略，利用随机森林模型和SHAP方法精准锁定Al³⁺与Sn⁴⁺两种非磁性掺杂离子。通过竞争性掺杂机制，设计出表面Sn⁴⁺富集、体相Al³⁺均匀掺杂的“outside-in”结构高镍正极，该材料在200次循环后容量保持率达96.9%，并有效抑制电压衰减与界面副反应。研究表明，非磁性离子通过削弱Ni–O–Ni超交换作用抑制结构无序化，Sn表面富集促进形成稳定CEI膜，Al均匀掺杂体相缓解晶格应变。该工作为高镍正极设计提供了新范式，成果发表于Science Advances。