![]()
水系锌离子电池以其高比容量、安全、环保、低成本等特点获得了快速发展，并有望主导未来储能系统市场。然而，水系锌离子电池在充放电过程中，负极侧难以避免会出现枝晶生长、析氢和腐蚀等棘手问题，严重限制了电池的性能。在应对用于大规模储能的水系锌离子电池（AZIB）的稳定性挑战时，采用电解质添加剂成为一种切实可行的解决方案。在此，阿德莱德大学乔世璋团队提出了一种数据驱动策略，即使用理论计算的表面自由能作为稳定性描述符，并以实验结果为基准。其中许多添加剂是根据现有文献计算得出的，形成了用于机器学习（ML）训练的数据库。此外，该机器学习模型仅依赖于实验值，有效解决了量子化学计算难以处理的大型溶剂分子模型的挑战。总得来说，人工智能 (AI) 对添加剂分子进行分类，识别对增强电池稳定性影响最显着的区域。同时，作者通过实验验证成功证实了1,2,3-丁三醇和丙酮在最佳区域内的优异性能。总之，该工作报告了一种人工智能辅助方法，用于筛选添加剂分子，以设计可增强 AZIB 稳定性的先进电解质系统。具体而言，作者通过以实验测量的库仑效率结果为基准立了一个完全覆盖 Zn(002) 表面的分子模型，并使用 DFT 计算其表面自由能作为 Zn 可逆性的可靠描述符。结果显示，作者结合AI聚类方法对分子进行分类并识别AZIB中性能更好的分区。从最佳分配中，选择1,2,3-丁三醇和丙酮作为增强AZIB稳定性的有效添加剂分子，并成功地通过实验验证了其有效性。因此，该工作很好地融合了DFT计算模拟、大规模实验数据分析和人工智能辅助设计，可扩展到其他分子设计相关系统，并指导未来电池电解质的发展。AI-Driven Electrolyte Additive Selection to Boost Aqueous Zn-Ion Batteries Stability, Advanced Materials 2024 DOI: 10.1002/adma.202411991高端测试，找华算 ！同步辐射全球机时三代光源，机时充裕，保质保量，最快一周出结果！
👉5折限时特惠项目：同步辐射XRD/SAXS/XAS数据拟合/XAFS！🏅 500+博士团队护航，助力20000+研究在Nature&Science正刊及子刊、Angew、AFM、JACS等顶级期刊发表！![]()
👉 点击阅读原文加我，探索更多优惠💖
