复旦大学高悦团队JACS：机器学习赋能氮中心有机锂盐设计，自牺牲供锂破解高能电池首效与寿命困局

主要观点总结

本文介绍了来自复旦大学高悦团队针对高能量密度电池（如硅基负极体系）的最新研究成果。该研究通过机器学习驱动设计，创新性提出氮中心有机锂盐预锂化策略，为解决高能电池首效低、寿命短的问题提供了全新解决方案。文章详细介绍了该工作的要点，包括分子筛选与优化、双功能界面保护机制、供锂过程对电极结构无损伤以及硅基负极全电池性能提升等。

关键观点总结

关键观点1: 机器学习驱动的分子筛选与优化

基于邻苯二胺衍生物分子库，采用半监督分层聚类与K-means算法进行多维度筛选，通过密度泛函理论计算氧化电位，锁定符合NCM正极工作电压窗口的簇群，最终优选Li 2 N 2 C 7 H 4 O。

关键观点2: 双功能界面保护机制

含C 7 H 4 N 2 O的NCM811能有效抑制层状结构阳离子混排，电解液中过渡金属溶出量下降，正极界面处含氮物种的存在对电极结构兼容性良好。

关键观点3: 供锂过程对电极结构无损伤

与传统牺牲型锂盐相比，氮中心有机锂盐Li 2 N 2 C 7 H 4 O在温和电压范围内释放Li ⁺ ，全程无气体生成，对电极结构兼容性良好，循环后电极无微裂纹产生。

关键观点4: 硅基负极全电池性能提升

添加Li 2 N 2 C 7 H 4 O的SiO/C‖NCM811体系初始放电容量提升，500次循环后容量保持率远超对照组。