电子科技大学智慧能源化学团队：可解释机器学习-实验框架揭示Li2S不完全氧化导致Li–S电池失效

背景：锂硫（Li-S）电池因能量密度高被视为下一代储能系统的有力候选者，但充电过程中复杂多尺度行为导致的容量快速衰减严重限制了其实际应用。传统“试错法”难以揭示高维参数空间中的动态行为与内在机理。研究目的：电子科技大学智慧能源化学团队构建了一个可解释机器学习-实验联合框架，旨在通过桥接数据与物理机理，实现对Li-S电池的寿命预测、关键失效模式诊断、实验验证及充电策略优化。结论：仅利用前十圈充电数据，模型即可实现MAPE约10%的寿命精确预测。通过双重可解释方法识别出两个关键特征，并经实验验证发现硫化锂（Li2S）的不完全氧化及其在正极的持续累积是充电过程特有的关键失效模式。基于此，团队提出分段充电策略，在缩短11%充电时间的同时，将电池循环寿命延长83%。该研究展示了可解释ML连接数据驱动预测与机理认识的潜力，为电池设计提供了数据与知识融合的新范式。