北京大學(xué)新材料學(xué)院鄭家新課題組近期提出了一種創(chuàng)新的混合方法——混合第一性原理分子動(dòng)力學(xué)與機(jī)器學(xué)習(xí)勢(shì)（HAML），為高效模擬電極-電解質(zhì)界面提供了新思路。基于該方法，團(tuán)隊(duì)成功揭示了界面反應(yīng)動(dòng)力學(xué)在界面調(diào)控中的關(guān)鍵作用。相關(guān)研究成果以“Machine-learning-accelerated mechanistic exploration of interface modification in lithium metal anode”為題，發(fā)表于計(jì)算材料領(lǐng)域頂級(jí)期刊npj Computational Materials。
圖1. HAML方法示意圖
電極-電解質(zhì)界面是決定電池性能的關(guān)鍵區(qū)域，直接影響鋰離子傳輸、固體電解質(zhì)界面 (SEI) 形成以及整體循環(huán)穩(wěn)定性等重要性能指標(biāo)。然而，由于原位實(shí)時(shí)實(shí)驗(yàn)技術(shù)的時(shí)空分辨率限制，以及傳統(tǒng)模擬方法在效率與精度之間的固有矛盾，全面理解界面反應(yīng)機(jī)制仍然具有挑戰(zhàn)性。以常見的元素?fù)诫s為例，這種方法能有效提高鋰離子電導(dǎo)率和界面穩(wěn)定性，但其對(duì)界面動(dòng)態(tài)演化的影響機(jī)制尚不明確。第一性原理分子動(dòng)力學(xué)雖然可以實(shí)現(xiàn)高精度模擬界面演化，但高昂的計(jì)算成本限制了模擬的可及空間和時(shí)間尺度；而機(jī)器學(xué)習(xí)勢(shì)場雖然能夠?qū)崿F(xiàn)大規(guī)模模擬，卻在復(fù)雜界面體系中常面臨分布偏移和采樣效率問題。
HAML 方法的核心優(yōu)勢(shì)在于將AIMD與MLP相結(jié)合，通過AIMD的原位引導(dǎo)確保MLP始終沿著物理合理的反應(yīng)路徑演化。這一架構(gòu)不僅有效避免了MLP在復(fù)雜界面構(gòu)型中的分布偏移問題，還能實(shí)現(xiàn)界面反應(yīng)的長時(shí)間穩(wěn)定模擬，在顯著提高模擬效率的同時(shí)簡化了操作流程。研究團(tuán)隊(duì)運(yùn)用HAML分別模擬了鋰金屬與液態(tài)、固態(tài)電解質(zhì)的界面反應(yīng)，證實(shí)了該方法在長時(shí)間尺度上捕獲關(guān)鍵反應(yīng)過程和產(chǎn)物的高精度和高效性。在液態(tài)電解液體系中，HAML以高時(shí)空分辨率準(zhǔn)確追蹤了SEI 組分的動(dòng)態(tài)演化過程；在固態(tài)電解質(zhì)體系中，則成功揭示了相間層的形成與穩(wěn)定機(jī)制，為理解其與鋰金屬的兼容性提供了新見解。
圖2. HAML與AIMD在平均用時(shí)及加速比方面的對(duì)比
以氯化物固態(tài)電解質(zhì)LPSC為例，研究團(tuán)隊(duì)在計(jì)算中引入Se、F、O元素?fù)诫s，改變其與鋰金屬負(fù)極之間的界面結(jié)構(gòu)和反應(yīng)性。結(jié)果表明，摻雜引起的LPSC結(jié)構(gòu)內(nèi)在不穩(wěn)定性加速了界面反應(yīng)動(dòng)力學(xué)，促進(jìn)了界面保護(hù)層的形成，從而提升了全電池系統(tǒng)的整體穩(wěn)定性。結(jié)合前期研究發(fā)現(xiàn)，界面處的表面穩(wěn)定性存在各向異性，電解質(zhì)分解行為在不同的晶體學(xué)方向上有所不同，不穩(wěn)定的晶面處傾向于形成更穩(wěn)定的保護(hù)層。因此，引入適度的晶格不穩(wěn)定性可作為調(diào)節(jié)界面反應(yīng)動(dòng)力學(xué)、產(chǎn)生穩(wěn)定的SEI層和減輕進(jìn)一步降解的有效策略。這些發(fā)現(xiàn)不僅深化了對(duì)鋰電池負(fù)極-電解質(zhì)界面演化過程的理解，也為合理設(shè)計(jì)策略以增強(qiáng)下一代儲(chǔ)能系統(tǒng)的穩(wěn)定性和性能鋪平了道路。
圖3. 四種體系（Li|LPSC、Li|LPSC_Se、Li|LPSC_F 和 Li|LPSC_O）界面反應(yīng)對(duì)比
HAML框架為復(fù)雜電極-電解質(zhì)界面模擬開辟了新路徑，在揭示界面調(diào)控機(jī)理方面展現(xiàn)出巨大潛力。未來，研究團(tuán)隊(duì)將繼續(xù)深化與AI技術(shù)的融合，探索更智能的材料計(jì)算方法，進(jìn)一步提升模擬精度與效率，為新型電池材料的設(shè)計(jì)與優(yōu)化提供有力支撐。
新材料學(xué)院博士后賴根明與博士生張瑞琪為本文共同第一作者。該研究得到了北京大學(xué)深圳研究生院AI4S交叉專項(xiàng)計(jì)劃、國家自然科學(xué)基金數(shù)學(xué)天元重點(diǎn)專項(xiàng)的支持。
論文鏈接：https://www.nature.com/articles/s41524-025-01747-7。
