AI助力揭示锌离子电池电解质的秘密，提升未来储能效率

美国能源部布鲁克海文国家实验室和石溪大学的研究团队利用人工智能（AI）技术研究了锌离子电池的工作机制，特别是水基电解质中的锌离子传输及其与水分子的相互作用。这项研究发表在《PRX Energy》杂志上。 锌离子电池通过化学反应将能量转换为电能，但水分子的分裂会产生氢气，严重影响电池性能。为了解决这一问题，研究团队使用高浓度的氯化锌盐溶液作为电解质，这种电解质被称为“水中含盐”（water-in-salt），与常见的“盐中含水”（salt-in-water）电解质相比，前者可以显著抑制水分子的分裂。研究的关键问题是高浓度盐溶液如何在提高稳定性的前提下保持足够的导电性。 研究人员通过传统计算方法生成了一个小型的数据集，作为AI模型的训练基础。然后，他们利用CFN（功能纳米材料中心）和布鲁克海文实验室计算机与数据科学部门的计算资源，对AI模型进行迭代训练。每完成一轮训练后，科学家们会将新生成的数据回传到模型中，进一步优化预测结果。这一过程显著减少了传统模拟所需的计算量，使模型能够高效地处理数千个原子的相互作用，时间尺度达到数百纳秒的级别。 AI模型揭示了高浓度氯化锌溶液通过减少水分子之间形成的氢键来稳定水分子。纯水中，每个水分子的氧原子与相邻水分子的氢原子形成两个氢键，这些氢键构成了一个连续网络，使得水分子更容易分裂。当氯化锌浓度增加时，氢键的数量迅速下降，最终只剩下约20%，从而抑制了水分子的分裂。 除了提高稳定性外，AI模型还解释了高盐浓度如何维持高效的锌离子传输。在低盐浓度下，锌离子和氯离子由于带相反电荷而各自独立移动；在较高浓度下，离子和水分子开始形成带有负净电荷的聚集体，使锌离子簇向不希望的方向移动，影响导电性。然而，在极高盐浓度下，形成的大型聚集体较少，剩余的小型聚集体则带有正电荷，可以在大簇周围自由移动，保证电池工作的高导电性。 为了验证AI模型的预测结果，研究人员还在NSLS-II（国家同步辐射光源II）进行了真实的实验，使用X射线对样品进行测量。这些实验结果与AI模型的预测高度一致，证明了模型的可靠性。 业内人士对这一研究成果给予了高度评价。来自布鲁克海文国家实验室的艾丝特·泰肯（Esther Takeuchi）表示：“AI在推动科学研究中发挥了重要作用。这一团队的研究展示了将实验与理论结合并在AI辅助下获得的宝贵见解。”另一名研究成员艾米·马什洛克（Amy Marschilok）指出，这种高效稳定的锌离子电池特别适用于大规模储能需求，因为水基电解质本质上更加安全，而且制造材料丰富且成本低廉。 此项目不仅展示了AI和机器学习在材料化学研究中的巨大潜力，还突显了布鲁克海文国家实验室在跨学科合作方面的优势。石溪大学和布鲁克海文国家实验室的研究生也积极参与了实验准备、数据收集和分析工作，为培养下一代科研人员提供了宝贵机会。布鲁克海文国家实验室不仅是美国能源部的重要机构之一，也是全球领先的科研中心，在多领域拥有世界一流的设备和技术。