近日，我院乔羽教授与程俊教授课题组合作，在水系锌电池电解液设计、锌负极界面调控及原位光谱表征方面取得重要进展。研究团队提出“壳外共溶剂”调控策略，利用机器学习分子动力学实现候选共溶剂的高效筛选，并通过重构界面氢键网络、调控Zn2+溶剂化结构，促进稳定阴离子衍生界面的形成。相关成果以“Stabilizing Anion-Derived Interphase by Machine-Learning Accelerated Screening of Out-of-Shell Co-Solvents for Aqueous Zinc Batteries”为题发表于 Journal of the American Chemical Society（DOI: 10.1021/jacs.6c08549）。
水系锌电池因具有安全性高、资源丰富、成本低廉和理论容量高等优势，被认为是大规模储能的重要候选。然而，Zn2+/Zn的标准电极电位低于H2O/H2电对，使得析氢反应（HER）在锌沉积过程中具有热力学竞争优势，并引发库仑效率下降、副产物沉积、以及界面失稳。与非水系锂电池不同，水系锌电池的锌负极通常难以形成稳定的阴离子衍生固体电解质界面（SEI）。在传统水系锌电解液中，Zn2+第一溶剂化壳层主要由水分子占据，Zn2+–H2O相互作用较强，而Zn2+–anion相互作用较弱。因此，电极界面往往呈现富水、贫阴离子的特征，活性水分子易在负极表面发生还原，而阴离子难以充分参与界面反应并形成稳定的保护层。现有共溶剂设计通常采用“壳内共溶剂”策略，即有机分子直接进入Zn2+第一溶剂化壳层并部分取代配位水。该策略能够减少配位水数量并调节氢键网络，但较强的Zn2+–co-solvent配位可能提高去溶剂化能垒，其空间位阻或竞争配位削弱Zn2+–anion相互作用。当共溶剂自身又难以形成稳定界面时，便产生“抑制HER”与“促进阴离子成膜”难以兼顾的问题。
针对上述问题，研究团队提出了一种“壳外共溶剂”调控策略。该策略利用“壳外共溶剂”调控水分子氢键网络，间接削弱Zn2+–H2O相互作用，增强Zn2+–anion相互作用，从而促进去溶剂化过程和阴离子衍生SEI的形成，实现HER抑制与界面稳定化的协同调控。为了突破传统电解液设计依赖经验试错、筛选效率低的问题，研究团队引入机器学习分子动力学（Machine Learning Molecular Dynamics, MLMD）开展高通量筛选。相较于第一性原理分子动力学（AIMD），MLMD在保持近似第一性原理计算精度的同时，其计算效率提高约104倍，对28种候选共溶剂进行了快速筛选，最终确定N,N-二甲基乙酰胺（DMAC）为最优“壳外共溶剂”，大幅提升了电解液设计效率。得益于稳定界面和优化的溶剂化结构，该电解液体系展现出优异的电化学性能。在Zn∥Cu电池中，平均库仑效率达到99.3%，稳定循环950圈；在Zn∥I2全电池中，实现了长达12000圈的稳定循环，表现出优异的循环寿命和界面稳定性。
此外，研究团队提出面向电解液设计的“反馈调控”闭环：机器学习分子动力学基于目标体相溶剂化结构筛选候选分子，光谱与电化学表征验证体相结构及电池性能，原位界面表征进一步揭示体相设计能否转化为预期的界面行为。当体相结构与界面响应出现偏离时，可利用界面动态信息反馈修正MLMD输入参数，实现电解液设计的迭代优化，为高性能电解液的开发提供新的研究思路。
该项研究在我院邹业国副教授、程俊教授和乔羽教授的共同指导下完成，2024级博士生汝雅馨、嘉庚创新实验室副研究员王锋为共同第一作者。该工作得到了国家重点研发计划（2021YFA1201900），国家自然科学基金（92472203、22288102、22225302、92470201、92461312、22541204、22021001、22503037、225B2211），中央高校基本科研业务费（20720220010、20720250005），中国教育部基础与跨学科突破计划JYB2025XDXM307，电化学人工智能实验室（AI4EC），IKKEM（RD2023100101、RD2022070501），复旦大学水系电池中心（23873），嘉庚创新实验室，醇醚酯化工清洁生产国家工程实验室，以及表界面化学全国重点实验室的支持。
论文链接：https://doi.org/10.1021/jacs.6c08549
