科研动态

团队在机器学习辅助设计锂金属高熵合金界面层方面取得重要进展

发布时间:2025-08-20 17:21:00 阅读次数:423 发布人:bit_battery


     在追求高能量密度锂金属电池的道路上,锂枝晶生长等问题一直是制约其实际应用的关键挑战。与单一金属或中熵合金相比,高熵合金(High‐Entropy AlloyHEA)因其独特的高熵效应、晶格畸变效应、滞后扩散效应和鸡尾酒效应,在提升锂金属负极稳定性方面展现出巨大潜力。然而,如何合理选择HEA的组成元素及其比例,并优化其制备工艺,仍是当前研究的难点。2025年,北京理工大学前沿技术研究院陈人杰、赵腾团队在国际知名期刊《Advanced Functional Materials》上发表题为“Machine Learning Assisted Design of High‐Entropy Alloy Interphase Layer for Lithium Metal Batteries”的研究论文,成功将机器学习(Machine LearningML)与密度泛函理论(DFT)计算相结合,指导设计并构建了一种高性能HEA界面层,显著提升了锂金属电池的循环稳定性和使用寿命。

    该研究通过机器学习分析了HEA的硬度与亲锂性影响因素,结合DFT计算揭示了Zn元素对亲锂性的主要贡献、Al元素对硬度的关键作用,以及FeCoNi元素提供的磁性功能。团队最终确定了成分为Al:Zn:Fe:Co:Ni = 7:5:4:3:1HEA体系,并采用磁控溅射技术在其表面构建界面层。进一步通过粒子群优化(PSO)算法对溅射功率、时间和基底转速等参数进行优化,以提升半电池的平均库仑效率(CE)。实验结果表明,优化后的HEA界面层具有高强度、致密性和平整性,组装得到的对称电池在1 mA cm⁻²1 mAh cm⁻²条件下可稳定循环2400小时,Li|LFP全电池在1C倍率下循环300次后容量保持率超过90%,平均CE高达99.67%




1 基于机器学习和计算的高熵合金界面层设计


2 磁控溅射参数优化过程与HEA层表征结果



图3 HEA层的表面形貌、力学性能及原位表征结果




4 全电池循环性能与对称电池长循环稳定性



     该工作通过机器学习辅助设计的高熵合金界面层,有效抑制了锂枝晶生长、减少了副反应发生,并促进了稳定SEI膜的形成,为高安全、长寿命锂金属电池的开发提供了切实可行的技术路径。



课题组在国家重点研发计划(2021YFB3800300)支持下,重点围绕金属锂电池关键材料设计及失效机制等方面开展系列研究,部分代表性工作如下:

1. Machine Learning Assisted Design of High‐Entropy Alloy Interphase Layer for Lithium Metal Batteries, Adv. Funct. Mater. 2025, 35, 2425487(IF=18.5,第一作者:许辰熙硕士)(机器学习辅助设计锂金属高熵合金界面层) 论文链接: https://doi.org/10.1002/adfm.202425487.

2. Machine learning-assisted design of oxygen containing inorganic coating materials on a separator for lithium metal anodes, Inorg. Chem. Front.,2025,12,4032–4040 , (IF=6.4,第一作者:许辰熙硕士)(机器学习辅助设计锂金属隔膜含氧无机涂层) 论文链接: DOI https://doi.org/10.1039/D5QI00111K

3. Lithium Metal Batteries Enabled by Ion Flux-Regulating Coating on Separator, Adv. Funct. Mater. 2025, e08164, (IF=18.5,第一作者:王柯博士)(金属锂电池离子通量调控隔膜设计) 论文链接: https://doi.org/10.1002/adfm.202508164.

4. Stable Lithium Metal Batteries Enabled by Lithiophilic Core-Shell Nanowires on Copper Foam,Small 2024, 20, 2401465(IF=12.1,第一作者:陈国帅硕士) (泡沫铜上的亲锂核壳纳米线实现稳定的锂金属电池) 论文链接: https://doi.org/10.1002/smll.202401465

作者简介:

许辰熙,北京理工大学材料学院2022级硕士研究生,师从赵腾副教授,主要研究方向为机器学习辅助锂金属界面设计。

赵腾,北京理工大学材料学院长聘副教授,博士生导师,2018年于剑桥大学材料与冶金系获得博士学位,2019年初任职于北京理工大学材料学院,从事多电子高比能锂电池关键材料基础研究。作为项目负责人承担国家自然基金项目、北京理工大学青年教师学术启动计划项目和博士后国际交流计划引进项目;参与国家重点研发计划项目2项,北京市重点研发计划项目1项,北京理工大学教学教改项目3项;2020年获得省部级科技一等奖2项。

陈人杰,北京理工大学教授,博士生导师。国家级领军人才,英国皇家化学学会会士、中国工程前沿杰出青年学者等。主要从事多电子高比能二次电池新体系及关键材料、新型离子液体及功能复合电解质材料、特种电源用新型薄膜材料与结构器件、智能电池及信息能源融合交叉技术等方面的教学和科研工作。