近年来，界面双电层理论研究的热点问题主要包括引入离子尺寸效应、考虑离子之间非局域静电相关性，以及排除人为设定而理论自洽地描述界面结构。除了上述平均场理论外，基于密度泛函理论的第一性原理计算，也已成为揭示界面双电层结构、特性的重要手段。
一直以来，在界面双电层相关研究中都是理论或猜想走在实验的前面。常规的电化学技术通过测量反应的电流、电压、电容和阻抗等参数给出总的电化学体系宏观与唯象的信息，但是它们很难提供有关表面吸附物种的化学特性、吸附位和吸附构型等方面的原子/分子水平上的信息。近年来，扫描探针显微技术、基于同步辐射源的各种 X 射线表征技术也被用于研究界面双电层，有望为理解界面双电层提供非常重要的信息
目前，最有力的原子/分子层面的研究手段首推以同步辐射为基础的一系列方法。同步辐射具有许多优异特性，包括高亮度、相干性、时间结构、宽能量波段和偏振性等。发展基于同步辐射光源的各种电化学原位表征技术，如基于 X 射线电化学原位的结构与组成表征技术、近常压 X 射线光电子能谱学（ AP-XPS）、同步辐射 X 射线吸收精细结构（ EXAFS）谱学技术、 X 射线近边吸收（ EXANES）等技术，也将是近期的研究重点。利用 EC-AP-XPS 揭示了 ORR 过程中铂电极表面不同吸附中间产物及其覆盖率随电位的演化规律。EXAFS 则可以精确获得纳米颗粒中原子的键长、配位数等局域结构与颗粒尺寸、形貌变化的详细信息。
EXAFS 对元素局域原子和电子结构敏感的特性，可以广泛地研究固相、液相等常见凝聚态物质，非常适合开展原位和时间分辨测量；能够原位实时地跟踪研究化学反应过程，给出物种瞬态的原子和电子结构的变化。从同步辐射 X 射线光谱分析摄像术中发展出的“无透镜成像”方法，首次描绘出了孤立纳米颗粒的结构。最近，利用同步辐射的时间结构和相干性，人们发展了时间（飞秒量级）和空间（纳米量级）分辨相结合的实验技术，对纳米领域的实验手段进行了一场潜在的革命——在同一时间内联合进行高时间和空间分辨的探索研究。
电催化反应动力学的精准数学描述是建立电催化基本原理、完善电化学科学的重要目标之一。然而，建立电极过程动力学的精确理论存在很多困难。尽管如此，经过近百年的探索，人们已成功找到一些刻画电极过程动力学的关键“描述符”，可以定性或半定量地解释和预测材料的结构、组成和性质与电催化反应活性之间的关系。以氢电极反应（氢析出和氢氧化）为例，人们发现其活性与反应中间物Had 原子在催化剂上的吸附吉布斯（ Gibbs）自由能（ ∆ GH）密切相关。太弱，Had 很难生成；太强，则 Had 很难发生后续反应。只有当∆ GH 适中时，氢电极反应活性最佳。氢电极反应活性最高的纯金属是 Pt。在 Pt 上， ∆ GH 仅比理论最优值略强 0.1 eV。氢吸附能理论成功指导设计了一些高性能催化剂，如高性能二元 Pt 基催化剂以及新型非 Pt（ MoS2 等 HER）催化剂。最近，一些学者尝试结合 DFT 计算和动力学模拟，试图定量地描述氢电极反应。但是，仅用∆ GH 作为唯一的描述符是否就能够准确地描述氢电极反应依然存在很多争议。例如，人们发现在 Pt(111) 上，氢原子的吸附能受 pH 值的影响较弱，而氢电极反应活性在酸碱溶液中可以差 2～3 个数量级。这一 pH 效应，揭示了仅依靠∆ GH 作为唯一的描述符是不够的。
值得指出的是，氢电极反应是电化学体系中最为简单的 2 质子 -2 电子转移反应。自塔菲尔（ Tafel）的原创性工作以来，过去 100 多年间，氢电极反应就一直是电催化反应中的重要模型反应，对该反应的实验与理论研究也最广泛与深入。但如上所述，对制约这个反应动力学的关键因素的认识依然存在很多争议，而对其机理的认识也依然没有定论。而对其他反应，积累的数据就更少，得到的认识尤其是被普遍验证的共识更为有限。
机器学习技术不仅可以帮助研究人员更合理地设计实验，还能依据数据提出数学模型来解释实验现象。随着实验和计算数据量的增加，机器学习系统的分析和预测能力还将不断提升。这一技术基于大量有效可靠的数据，核心是归纳分析的各类算法。机器学习强大的高维参数空间拟合能力可以很好地帮助研究者确定电化学研究中复杂的构效关系，乃至给出公式化的模型。为了将大数据技术应用于电化学研究，需要为电化学数据确立相应的规范并建设有效可靠的数据库。电化学研究的目的是发现电化学现象的内在规律并确定各影响因素和所关心的性质间的关系。随着近些年数据驱动的研究手段在化学研究的各个领域崭露头角。我们有理由相信，大数据技术应用于电化学会大大加快研究的进展并协助研究者更好地理解复杂体系的内在规律。
计算方法的发展是计算电化学的核心，如何将模型体系和实际电化学界面相关联是一个长期存在的问题。就目前而言，第一性原理的计算已经能够明显帮助科研工作者们定性理解一些电化学现象，其在界面电子结构的计算和理解方面的优势是其他方法不具备的。但由于界面的复杂性，同时受限于时间尺度等问题，包含第一性原理的多尺度计算方法发展也将成为一种趋势，如 QM/MM、机器学习等。
目前应用机器学习技术已经能初步定量分析一些构效关系。准确定量的模型为材料的理性设计和反应过程的精确调控指明了方向。但由于电化学体系的复杂性，尤其是电化学固/液界面处的多场、多相反应过程，我们能获取的有效信息较少。原位技术和理论计算等能从不同角度提供一些信息。利用机器学习技术辅助，综合分析这些信息，可以揭示现象背后的物理化学规律。建设电化学数据库、研究数据表示和分析算法、将领域知识规则化是机器学习应用于电化学研究的主要研究方向。正如诺贝尔物理学奖得主安德森（ C.D. Anderson）所说的“More is different” [76]，目前并不存在能解决所有科学问题的普适理论。电化学研究横跨多个尺度，体系复杂，影响因素多。大数据技术的应用贯穿电化学研究的整个流程
①多路径统一、热力学与成核生长动力学统一的反应机理数学模型；
②充电反应的中间产物和基元过程；
③不同晶态、不同形状 Li2O2 在表面和本体、面向和法向的电子和离子传导
率的原位测量；
④充放电过程中 1O2 的生成与转换机制。
这些科学问题的回答，需要更高能量、高时间分辨和高空间分辨的先进谱学表征技术。
在能源材料电化学方面，需要探索新的材料体系［二维材料、框架材料（ MOF、 COF）、有机高分子材料、功能复合材料］中的科学问题：
①新材料体系中的离子吸附与解吸的规律与构效关系；
②新材料中的离子迁移规律及其理论极限性能；
③非晶材料中化学特征与结构特征（如维度、尺寸、框架孔隙、介电环境等）的相互影响及其对离子迁移的影响；
④新材料中的电子迁移及其与离子迁移的耦合；
⑤材料界面结构及其对电化学过程的影响
电化学先进表征手段
除了电化学方便的战略发展外
还包括其他的学科的
大家按需取用
从本质上看，竞争就是模仿，与他人竞争。
是因为你跟别人在做一样的事情。
但，每个人都是独一无二的
释放自己的独一无二，或许可曲径通幽……
科研圈尤为如此
