Nature Energy！機器學習破譯電池拓撲化學！

鈉離子電池因資源豐富、成本可控，正在邁入大規模儲能與重卡電動化的關鍵產業化階段。但這類應用對體積能量密度提出更高要求，傳統硬碳負極在體積指標上逐漸成為瓶頸。合金型負極（如 錫Sn）兼具高理論容量與高壓實密度，具備提升體積能量密度的潛力，卻長期受制于充放電引發的結構失穩：體積變化會誘發電極內形成電隔離“死顆粒”，最終導致容量快速衰減與難以規模化制備。

中國科學院物理研究所陳立泉研究員（中國工程院院士）、胡勇勝研究員（國家杰青&中科海鈉創始人）、Fei Xie、Zhao Chen和李鈺琦等聯合發布的最新研究成果，近日發表在國際頂級期刊Nature Energy（IF=60.1）。該研究面向安時Ah級實用鈉離子電池，提出一種可規模化的微米級錫 Sn負極設計：通過單壁碳納米管（SWCNT）交聯網絡在電極內部構建“柔韌而連續”的導電骨架，既抑制漿料制備中的團聚，又在循環中持續維持電接觸，從而實現高活性利用與長壽命。

更重要的是，團隊把“結構演化—性能衰減”這一傳統上難以定量的問題，升級為一個可計算的“拓撲化學”指標體系：借助機器學習圖像分割對 SEM 圖像中的“暴露 Sn”進行自動識別，并進一步用骨架化/孔洞識別計算 Betti 數 β1等拓撲參數，從而建立結構—穩定性—性能的定量關聯，實現對合金負極失效路徑的“AI 破譯”。

值得注意的是，這是斯坦福大學李鈺琦博士一作發表的第五篇 Nature 大子刊論文，此前他已在 Nature Energy 以及Nature Machine Intelligence連續發表四篇文章。

研究亮點

面向實用的體積能量密度：實現453 Wh L?1的高體積能量密度，并在快充條件下實現約15 min充電、600 圈穩定循環。

首個 Ah 級軟包體系驗證：軟包容量2.7 Ah，能量密度達到>200 Wh kg?1 / 453 Wh L?1（0.1 A），并在8 A（~15 min，4C）下600 圈后仍保持接近 75% 容量；同時低溫性能顯著優于商業磷酸鐵鋰/石墨電池體系。

AI 定量“拓撲化學”：用機器學習把 SEM 形貌自動分割→骨架化→孔洞統計，得到 β? 等拓撲指標，并與容量/循環數/暴露面積建立統計相關，首次將合金負極的“形貌演化”變成可預測、可對比的數字。

圖文導讀

從材料設計到 AI 拓撲解析，再到軟包驗證

圖1：SWCNT 交聯網絡包覆微米 Sn 顆粒：一邊“牽引”其發生充分的拓撲形貌演化，一邊維持連續的力學與電連接，從而實現高 Sn 利用率與更高電子導通。

• 給出整體設計理念：用 SWCNT 構建三維交聯導電網絡“包裹/連通”微米 Sn。

• 強調三重作用：促進形貌（拓撲）演化、保持顆粒間連續電/力連接、提升電子導電性。

• 用概念示意圖直觀對比“有網絡 vs 無網絡”的循環后結構與利用率差異。

圖2：SWCNT 網絡的“成網 + 抗團聚 + 強粘結”證據鏈：從形貌表征到理論計算，再到剝離強度測試，證明其能抑制 Sn 團聚并增強電極結構穩定性。

• SEM/光學照片：對比傳統導電碳 AB 體系的反光團聚點，SWCNT 體系更均勻、更“干凈”。

• STEM/HRTEM：展示顆粒內部晶體信息與缺陷/層狀特征（作為結構佐證）。

• 表面能/吸附情景（Wulff 形貌 + 吸附示意）：解釋 SWCNT 更容易“占住”Sn 表面、抑制冷焊團聚。

• 180° peel test：量化電極粘結/附著力提升，支撐工程可制造性。

圖3：電池電化學性能 + 安全性：SWCNT 網絡帶來更優的初始曲線、倍率與長循環表現，同時改善表面電勢均勻性，并在熱分析/浸水測試中展現更溫和的安全行為。

• 初始充放電曲線：對比不同體系的起始可逆性與平臺特征。

• 倍率與長循環：展示從低到高電流的倍率響應、以及高電流下的循環穩定性。

• “機制示意圖”：解釋 SWCNT vs AB 在導電網絡、顆粒連接與失聯（死顆粒）形成上的差異。

• 表面電勢/均勻性（如 KPFM）：用定量指標對比電極表面電勢波動，體現導電網絡均勻化作用。

• DSC 與浸水安全：對比鈉化電極的熱行為與浸水反應表現，強化安全優勢。

圖4：AI 量化“拓撲化學”：用機器學習分割 SEM 圖像得到“暴露 Sn 面積”，再結合骨架化/孔洞統計計算 β?（ Betti 數），建立拓撲演化—暴露效應—容量之間的定量關聯。

• AI 步驟圖

  ：SEM → 圖像分割（機器學習）→ 骨架化 → 孔洞識別與統計。

• 兩個關鍵量：

• • “暴露效應”：暴露 Sn 面積比例（代表與電解液接觸/可反應界面）。

  • “拓撲演化”：β? 表征孔洞閉合環的數量（代表形貌演化程度）。

• 關系圖：把 β?、暴露面積與比容量/循環數放在同一坐標系，展示隨循環的協同變化。

• 相關性矩陣（Pearson）：用統計方式強調哪些變量關聯最強，支撐“可預測/可量化”的結論。

• 截面 SEM：直觀看到網絡包覆下的結構與暴露界面形態。

圖5：從實驗室走向 Ah 級軟包：展示電極制備流程與軟包組裝實拍，并給出軟包在不同電流、快充循環與低溫條件下的關鍵性能曲線。

• 軟包工藝全流程實拍：分散→涂布→干燥→輥壓→疊片/封裝（強調可制造性）。

• Ah 級軟包的充放電曲線與循環：給出“能量密度/容量—電壓”與循環穩定性。

• 高電流快充循環：用固定高電流條件展示長循環保持率（突出“快充可用”）。

• 低溫性能：不同溫度下的放電曲線對比，以及 ?20 °C 下前若干圈循環曲線，強調低溫可用性。

文獻信息

Chen, Z., Li, Y., Wang, L. et al. Durable alloy anode for Na-ion batteries with

high volumetric energy density. Nature Energy (2026). https://doi.org/10.1038/s41560-026-01974-2

（來源：網絡版權屬原作者 謹致謝意）