近日，北京年夜学质料科学与工程学院庞全全传授团队结合清华年夜学、劳伦斯伯克利国度试验室、普林斯顿年夜学和SESAICorp.等海内外顶尖科研机构与企业，于锂金属电池电解液研发范畴取患上冲破性进展。团队立异提出交融深度自动进修与常识迁徙的两阶段研究框架，乐成破解电解液设计“试错难、周期长、成本高”的行业痛点，实现高机能电解液的快速发明与常识高效迁徙。相干研究结果在3月27日提早于线发表在国际顶级期刊《天然・通信》（NatureCo妹妹unications），为下一代高能量密度锂金属电池贸易化落地提供要害技能支撑。
锂金属电池因具有超高理论能量密度，被公认为下一代储能与动力电池的焦点成长标的目的，其机能冲破对于新能源财产进级意义庞大。但锂金属负极库伦效率低、界面不变性差等焦点难题，持久制约其范围化运用，而电解液作为调控负极界面、决议电池轮回寿命的焦点组分，是破解上述瓶颈的要害。差别在传统质料研发，电解液设计面对重大离散的化学搜刮空间，锂盐、溶剂、添加剂和差别浓度组合形成海量配方，且组分间界面化学、电解液化学彼此耦合，机能联系关系高度不持续。传统“试错式”研发模式不仅试验成本昂扬、研发周期漫长，更难以适配新份子引入、高维配方扩大等繁杂场景，行业亟需高效、智能的电解液研发新范式。
针对于电解液设计“搜刮空间年夜、机能瓜葛不持续、试验噪声高”三年夜焦点痛点，庞全全团队结合跨学科、跨机构科研气力，构建深度自动进修（DAL）与方针统计编码（TSC）交融的两阶段立异框架，以人工智能技能赋能电解液智能筛选与设计常识迁徙，实现从少样本试验中精准挖掘高机能配方，并将进修到的设计纪律高效迁徙至繁杂场景。
研究第一阶段，团队聚焦由锂盐、溶剂、添加剂和浓度组成的720种初始电解液配方空间，立异性采用深度核进修联合Thompson采样算法，智能筛选每一一轮最具信息量的试验样本，精准建模电解液配方与电池轮回寿命间高度非线性、不持续的联系关系瓜葛，规避无效试验、年夜幅晋升筛选效率。
第二阶段，团队经由过程方针统计编码技能，将自动进修历程中捕获到的组分间繁杂相干性举行显式编码，形成可复用、可迁徙的电解液设计常识系统，冲破单一配方空间限定，实现常识向更高维候选空间、锂金属全电池和含新份子配方场景的跨场景迁徙。 试验成果充实验证该框架的高效性与精准性：于720种初始配方空间中，仅颠末三轮深度自动进修迭代、累计完成128个电池样本测试，电池平均轮回寿命便从随机筛选阶段的41.9次晋升至125.1次；短命命电池占比由80.6%骤降至28.1%，长命命电池占比从9.7%晋升至40.6%。对于筛选出的前5种优质电解液举行反复验证，其综合机能显著优在同类型已经发表的高机能文献配方，证实该要领筛选成果的靠得住性与进步前辈性。
更主要的是，研究实现了电解液设计常识的高效跨场景迁徙，破解繁杂系统研举事题。将初始720种配方扩大至5400种更高维候选空间，零样本前提下便可快速锁定优质电解液，前5种配方平均轮回寿命达200.6次，较原始空间最优程度晋升1.6倍；于切近现实运用的锂金属/NCM811全电池系统中，迁徙后电解液100圈平均容量连结率达84.0%，远超首轮配方58.2%的程度；面临新份子引入激发的组合爆炸，构建5760种新配方空间，仅经由过程32个样本的一轮试验，150圈平均容量连结率便从24.4%晋升至56.5%，最优配方250圈后容量连结率仍达83%，适配新型电解液研发需求。
该研究初次将深度自动进修与常识迁徙深度交融，为繁杂电解液系统提供“少样本、高效率、可迁徙”的智能研发新范式，打破传统试错研发的局限，为减缓锂金属电池“碳酸酯/醚类冲突”、开发长命命高机能电解液斥地全新技能路径。研究结果充实证实，人工智能驱动的质料自立发明，正鞭策新能源质料研发从经验驱动向数据驱动、从低效试错向精准猜测改变，为锂金属电池财产化加快提供主要支撑。
本研究论文由北京年夜学、清华年夜学、劳伦斯伯克利国度试验室、普林斯顿年夜学、SESAICorp.结合完成。北京年夜学庞全全传授、清华年夜学江奔奔副传授、SESAICorp.许康为论文配合通信作者，北京年夜学2025届博士卒业生洪旭峰为第一作者，清华年夜学博士生王玺哲为配合第一作者，北京年夜学为论文第一通信单元。研究事情获国度重点研发规划、国度天然科学基金、清华-丰田结合研究基金、北京市天然科学基金、北京信息科学与技能国度研究中央和111国际互助项目等多项基金撑持。
来历：储能前沿
-三木SEO- 返回
400-109-9595