集成机器学习-分子动力学框架用于电解液性质预测

《EES Batteries》:Integrated machine learning-molecular dynamics framework for electrolyte property prediction

【字体: 大 中 小 】 时间:2026年03月19日 来源:EES Batteries

编辑推荐:

  电化学稳定性窗口(Electrochemical Stability Window, ESW)决定了电池电解液的工作范围,然而其精准预测仍具挑战性,因为稳定性源于局域溶剂化环境的统计系综,而非单一基态分子结构。传统密度泛函理论(Density Function

  
电化学稳定性窗口(Electrochemical Stability Window, ESW)决定了电池电解液的工作范围,然而其精准预测仍具挑战性,因为稳定性源于局域溶剂化环境的统计系综,而非单一基态分子结构。传统密度泛函理论(Density Functional Theory, DFT)对能量最小化团簇的计算无法捕捉调控分解行为的局域配位环境与几何结构的热涨落,而基于简化分子线性输入规范(Simplified Molecular Input Line Entry System, SMILES)的机器学习方法缺乏三维溶剂化结构与离子对的显式表征。研究人员开发了一种结构感知机器学习框架,可直接从分子动力学采样的溶剂化构型中预测最高占据分子轨道(Highest Occupied Molecular Orbital, HOMO)与最低未占分子轨道(Lowest Unoccupied Molecular Orbital, LUMO)能量,在计算成本较第一性原理方法降低3–4个数量级的同时实现了低于0.6 eV的预测精度。在十二种代表性电池电解液中,研究人员证实溶剂分离离子对(Solvent-Separated Ion Pair, SSIP)与接触离子对(Contact Ion Pair, CIP)表现出强烈的尺寸与局域化学依赖性电子稳定性,配位环境变化可导致HOMO或LUMO能级发生2–3 eV偏移,且扩展溶剂化结构与部分去溶剂化环境可进一步调控稳定性达3 eV。通过编码显式溶剂化几何结构系综统计特性,该框架实现了下一代电池电解液的高通量筛选与理性设计,并提供了结构–性能关系的机理认知。
该研究发表于《EES Batteries》,针对电池电解液理性设计中电化学稳定性窗口预测的核心瓶颈展开。传统计算筛选面临固有取舍:密度泛函理论虽能提供机理洞察但计算成本过高,难以支撑大规模化学空间探索;机器学习虽实现速度飞跃,却依赖简化分子表示,无法捕捉动态溶剂化几何结构。实验电化学过程涉及接触离子对、溶剂分离离子对及部分去溶剂化物种等多种配位状态的统计系综,其前沿轨道能量存在显著差异,而现有方法多评估单一基态构型,导致预测偏差。此外,基于SMILES的模型因缺乏三维结构信息,难以准确表征离子配位与溶剂化效应,限制了电解液设计的可靠性与机理性认知。
研究人员构建了集成分子动力学采样与结构感知等变图神经网络的工作流,从热平衡溶剂化环境中预测电解液前沿轨道能量,实现了跨化学多样体系的可迁移电子性质预测。研究采用预训练-微调策略,基于Open Molecules 2025数据库筛选超2000万电解液结构进行预训练,进一步针对锂离子电池构建约24000个含锂结构的微调数据集。模型选用IBM材料基础模型中的POS-EGNN架构,该架构基于GotenNet几何张量网络,通过注意力驱动的消息传递融合不变标量特征与等变可操纵特征,直接以原子序数及三维坐标为输入,经最大池化获得分子全局表示后预测HOMO、LUMO能量及HOMO-LUMO间隙。训练采用AdamW优化器,结合Huber损失函数平衡多目标预测权重,强调HOMO与LUMO能量的直接学习。
研究结果部分首先验证了模型性能。在OMol25锂离子电池电解液测试集上,小模型对HOMO、LUMO及带隙的平均绝对误差均低于0.61 eV,皮尔逊相关系数大于0.9,可可靠保持不同溶剂化环境下前沿轨道能量的相对排序。t-SNE分析显示模型无监督编码了局域配位环境,将自由溶剂化锂离子、接触离子对与更大聚集体结构在隐空间中清晰分离。与DFT参考值对比表明,除少数混合溶剂体系外,HOMO误差普遍低于0.6 eV,LUMO误差低于0.4 eV,具备定量预测能力。
局域溶剂化环境对前沿轨道能量的影响分析表明,电化学稳定性窗口受溶剂化学类别、阴离子相互作用、溶剂化壳层尺寸及去溶剂化过程的共同调控。溶剂化学显著影响氧化还原极限,相同FSI?阴离子下,溶剂选择可导致氧化与还原极限产生高达2.0 eV的差异,氟化醚类体系因分布宽泛展现出优异的可调性。阴离子作用呈现特异性:PF??基体系氧化稳定性优于磺酰基类盐,而FSI?体系还原稳定性更优,在BTFE溶剂中两者阴极极限差达1.9 eV;TFSI?因构象柔性在甘醇二甲醚体系中将氧化极限提升至12.85±0.13 V,使稳定性窗口较FSI?体系扩大57%。溶剂化壳层尺寸效应显示,从初级到次级溶剂化壳层扩展时,SSIP的HOMO能量升高2–3 eV,显著降低氧化稳定性,而LUMO响应较弱,导致带隙单调减小。去溶剂化过程分析揭示醚类溶剂体系对配位数变化最敏感,如LiFSI-DEE的LUMO偏移可达2.53 eV,带隙调制达3.23 eV,而碳酸酯体系波动较小。
统计系综视角分析指出,电化学稳定性由局域溶剂化环境的统计系综决定,而非单一特征分子结构。热力学可及的稀有构型——SSIP决定阴极极限、CIP决定阳极极限——控制着电化学分解的起始,静态DFT因仅优化单一基态构型,会系统性低估还原与氧化敏感性。模型选择对比证实,基于SMILES的SMI-TED模型因缺乏三维几何信息,HOMO与LUMO预测偏差可达5.83 eV与5.41 eV,凸显显式编码溶剂化几何结构的必要性。
结论部分强调,该框架通过直接编码几何信息与扩展溶剂化构型系综,弥合了传统量子力学方法与可扩展AI筛选间的鸿沟。研究量化了局域配位环境与物种对前沿轨道能量的调控规律,证实SSIP与CIP分别控制阴极与阳极极限,配位依赖的能量变化跨度达2–3 eV,扩展溶剂化环境可通过溶剂网络的长程电子耦合进一步调控轨道能量达3 eV。该框架以较DFT低3–4个数量级的计算成本实现了亚0.6 eV的前沿轨道预测精度,为下一代电池电解液的高通量筛选与理性设计提供了可迁移、结构感知的实用工具。未来工作需扩展混合溶剂训练数据、纳入去溶剂化动力学过程,并将预测范围延伸至反应能垒与界面相性质,以实现全工况下的电解液稳定性综合评估。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号