无负极钠电池+机器学习：大连理工胡方圆最新JACS！

本文研究了无负极钠金属电池中电解液的理性设计问题。背景方面，无负极钠电池因去除了传统负极材料而能提升能量密度，但循环中不可逆钠损失导致容量快速衰减，亟需实现高库伦效率的钠沉积/剥离和稳定的固体电解质界面(SEI)。研究目的是从数据科学角度建立电解液设计规律。作者提出可解释机器学习策略，从88种电解液体系中提取关键分子特征，发现降低溶剂氧含量并增加分子非极性表面积(NonSA)可调控钠离子溶剂化结构，促进阴离子参与形成富含NaF的SEI。基于此，开发了DGBME电解液，在Na-Cu电池中实现800圈循环和99.9%平均库伦效率，并支撑无负极软包电池达到230 Wh kg-1能量密度。结论证实，该工作建立了从AI分子设计到电池验证的路线，为下一代高能量密度钠电池电解液开发提供了新思路。