自动化全电池实验与贝叶斯优化:加速水系电解质设计,为下一代电池 “解锁” 新可能

【字体: 时间:2025年04月17日 来源:Cell Reports Physical Science 7.9

编辑推荐:

  本文通过集成自动化扣式电池组装、LiFePO4||Li4Ti5O12有机 - 水系全电池恒电流循环和贝叶斯优化(BO),构建自动驾驶实验室框架加速电解质发现。研究探索有机 - 水系混合电解质体系,优化后的电解质可使电池库伦效率达 94% 以上,为下一代水系电池设计提供新思路。

  ### 研究背景
随着对当前锂离子电池担忧的增加以及全球对经济、清洁能源存储解决方案需求的增长,下一代电池成为研究重点。然而,电池测试方法和实验效率几十年来变化不大,机器学习(ML)技术在电池研究中的应用也未充分发挥。将自动化实验与数据驱动方法相结合,有望加速下一代电池研究。
水系电池因水作溶剂具有安全性高、成本低和离子电导率高等优点,但水的窄电化学稳定窗口(ESW,1.23V)限制了其性能。此前研究采用高浓度电解质或添加共溶剂、添加剂来解决该问题,但仍存在一些不足。本研究旨在探索有机 - 水系混合电解质,利用贝叶斯优化筛选电解质,为水系电池电解质设计提供新见解。

实验方法


  1. 化学品和制备:实验所用化学品如锂盐、有机溶剂等均存储在氩气填充的手套箱中,并经分子筛干燥处理。扣式电池组装在氮气氛围下由自动化机器人平台 ODACell 2 完成,同时制备了八种含有不同盐和溶剂的储备溶液,用于配制电解质。
  2. 贝叶斯优化:进行两个独立的优化实验,每个实验先通过 Sobol 随机采样确定 40 个配方,随后进行约 60 次贝叶斯优化试验。利用 Ax 和 BoTorch 库实现多目标贝叶斯优化,优化目标包括库伦效率、放电容量和配方中的水含量,同时定义了新的采集函数以寻找多样化且性能优异的候选配方。
  3. 循环协议:使用 Neware BTS 4008Tn - 5V10mA 电池测试仪对扣式电池进行循环测试。电池在 1.5 - 2.3V 之间循环,测试协议包括休息、不同倍率充放电循环以及电压保持步骤,最终以 C/5 倍率的充放电循环的库伦效率和放电容量来表征电池性能。
  4. 在线电化学质谱(OEMS):采用定制的扣式电池配置进行气体分析,实验中的恒电流循环协议与贝叶斯优化测试的电池不同。通过 OEMS 实验研究共溶剂相互作用对 HER 动力学的影响,依据相关方程对氢析出反应进行理论分析。

实验结果与讨论


  1. 贝叶斯优化结果:优化后的电解质可分为基于二甲基亚砜(DMSO)和基于磷酸三甲酯(TMP)两组,其中 DMSO 或 TMP 的摩尔组成在溶剂中大于 0.5。这两组中盐的相对含量近乎均匀分布,乙腈(ACN)含量被最小化或消除,水的摩尔比接近 0.2。
    通过 Pearson 相关矩阵分析发现,水含量与目标(库伦效率、放电容量)的线性相关性最强,其次是 DMSO。ACN 与目标呈负相关,这可能是因为在本研究的稀盐浓度和高水含量条件下,ACN 会引发 HER 和自身还原为乙胺的副反应,从而降低电池电化学性能。
    观察优化过程可知,初期优化倾向于含有 DMSO 的输入参数,合并两个贝叶斯优化客户端数据后,依然朝着 DMSO 输入参数的方向发展。优化过程中,库伦效率和放电容量不断提升,且二者具有较高的线性相关性。高斯过程(GP)模型拟合结果显示,多数二维投影有一个局部最大值,但 DMSO - TMP、DMSO - ACN 和 TMP - ACN 的投影在库伦效率方面有两个局部最大值,这凸显了多组分电解质配方的复杂性。
    实验不确定性会影响优化结果,对七个随机选择的试验重复三次后发现,含高水量的电解质配方再现性较差,但目前难以确定具体原因。调整贝叶斯优化的设置,如改变采集函数、正则化等,可提高模型拟合数据的能力和预测能力。
  2. operando 量化 H2演化:通过 OEMS 技术进行 operando 气体分析,研究影响电解质配方性能的潜在机制。结果显示,不含共溶剂的纯水电解质无法循环,且氢析出速率比贝叶斯优化得到的电解质高一个数量级。贝叶斯优化选择的电解质配方中,氢析出速率随水含量增加而指数增加,含 41mol% 水的电解质配方在第二个循环后失效。
    从 OEMS 测量结果来看,第一个循环中转化的氢析出可拟合为直线,偏离拟合斜率的电解质表明存在改变 HER 动力学的过程,如 ACN 基电解质。尽管 DMSO 被认为可抑制 HER,但在本体系中其共溶剂效应可能仅降低水活性,减缓 HER。少量 TMP(≤13mol%)和 ACN(≤5mol%)对改变第一个循环的氢析出速率效果不明显。
    ACN 含量为 20mol% 的电解质配方不符合其他配方的趋势,电池无法循环,氢析出速率与纯水电解质相当,且产生乙胺,这与贝叶斯优化不倾向 ACN 组成的结果一致。

研究结论


本研究成功将自动化机器人平台与贝叶斯优化相结合,展示了数据驱动方法在电池研究中的实用性,即使数据集较小也能发挥作用。通过贝叶斯优化探索四种共溶剂和两种盐的组合,发现了几种高性能的 LTO||LFP 有机 - 水系化学电解质候选配方,库伦效率可达 94.8%±0.5%。这些候选配方为进一步研究提供了基础,且该研究的工作流程和实验室框架有望加速其他电池体系(如锌电池和非水系锂 / 钠电池)的电解质设计。
相关新闻
生物通微信公众号
微信
新浪微博
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号