日本研究人员利用材料信息学来开发高性能固态电解质 以用于充电电池

盖世汽车讯 随着可再生能源的普及和电动汽车迅速发展，市场对高性能全固态电池的需求大幅增长。与使用电解液的传统电池相比，固态电池的能量密度更高、安全性更好、使用寿命更长，并且可在广泛的温度范围内可靠运行。然而，这种电池的广泛应用仍然面临挑战，包括离子电导率低、界面阻力高，以及电解质中存在的粒子-粒子界面，这会导致电阻增加和能量密度降低。

（图片来源：上智大学）

值得一提的是，关于高性能固态电解质的研究主要集中在无机和有机固态电解质上。无机固态电解质仅传输锂离子；而有机固态电解质支持阴离子和其他物质迁移，但这会导致电极发生副反应，从而降低容量并产生不利影响，例如电池性能和寿命下降。相比之下，无机电解质不易发生副反应，可以提供更长的电池寿命和更高的性能。但它们也存在挑战，例如氧化物型无机固态电解质的稳定性较低，需要进行高温烧结；而硫化物型电解质会与大气水分反应，从而产生有毒的硫化氢气体。

为了解决这些问题，日本研究人员将注意力转向有机离子塑料晶体（OIPC）。OIPC中包含有机阳离子、适当的无机阴离子，以及相同阴离子的锂盐。由于完全由离子组成，这些材料具有高离子导电率、高稳定性和可忽略不计的可燃性，非常适合用作电池的固态电解质。OIPC的明显特点是它们在固态结晶相和液态相之间的相变，称为塑性晶体相（plastic crystal phase）。尽管具有这些优点，但就实际应用而言，OIPC仍需提高离子电导率。

据外媒报道，在这项研究中，上智大学（Sophia University）和东京工业大学（Tokyo Institute of Technology）的研究团队利用材料信息学（MI）来探索高导电性OIPC。研究负责人Yoshizawa-Fujita教授表示：“MI利用统计科学和机器学习等信息科学来进行高效的材料开发。在这项研究中，我们通过结合经验规则和基于机器学习的MI模型来探索OIPC。”

首先，研究人员利用OIPC相关文献中的化学结构和电导率数据创建了一个训练数据集，并验证了MI模型对两种测试化合物的预测精确性。验证结果表明，当训练数据中含有相似的化学结构时，预测精确度有所提高。因此，研究人员选择了在训练数据中表现良好的吡咯烷阳离子（pyrrolidinium cations）作为候选物质。此外，根据之前研究中关于增强吡咯烷阳离子基OIPC离子导电性的经验规则，他们使用MI来进一步缩小候选物质的范围。结果，该团队成功合成了八种新化合物，包括六种OIPC和两种离子液体。其中一种化合物在25°C下的离子电导率为1.75×10-4 S cm-1，是迄今为止报道的最高值之一。

值得注意的是，MI结果还揭示了关于OIPC离子半径与离子电导率之间关系的新见解。传统经验规则表明，较低的离子半径与离子电导率比是理想的。然而，新合成化合物表明这存在一个最佳值。此外，MI模型预测OIPC结构会发生不连续变化，这表明进一步提高预测精确度也有助于预测相变。

关于新型OIPC的潜在优势，Yoshizawa-Fujita教授表示：“开发高性能固态电解质将提高充电电池的安全性，因为不必再担心液体泄漏。此外，这将增加电池的能量密度，使配备这些电池的设备重量更轻、更紧凑。例如，基于OIPC的充电电池可以增加电动汽车的里程，并促进其广泛采用。”

总体而言，这些发现证明了MI有望帮助人们进一步了解OIPC，从而为开发更安全和高性能的下一代充电电池铺平道路。