由于鋰枝晶的生長,鋰金屬負(fù)極(LMA)面臨著重大的安全挑戰(zhàn)。固體電解質(zhì)界面(SEI)在抑制枝晶生長方面起著至關(guān)重要的作用。SEI存在由嵌入的晶體顆粒(CP)組成的納米結(jié)構(gòu),這些CP的分布嚴(yán)重影響鋰金屬負(fù)極的機械耐久性,從而影響鋰枝晶的生長。因此,建立SEI 納米結(jié)構(gòu)與其機械耐久性之間的相關(guān)性對于設(shè)計具有高安全性能的SEI至關(guān)重要。在此,西安交通大學(xué)鄧俊楷團隊提出了一種卷積神經(jīng)網(wǎng)絡(luò)(CNN)學(xué)習(xí)模型,基于實驗觀察冷凍電鏡圖像得到一個高通量有限元方法(FEM)數(shù)據(jù)集。CNN模型能夠準(zhǔn)確預(yù)測SEI結(jié)構(gòu)的機械失效時間(FT)。此外,作者采用逆向蒙特卡羅(RMC)方法結(jié)合CNN模型探索具有較長FT的結(jié)構(gòu),最終確定了具有均勻排列CP的優(yōu)化結(jié)構(gòu)。此外,Ablation-CAM技術(shù)強調(diào)了CP分布在失效中的關(guān)鍵作用。圖1. 數(shù)據(jù)集構(gòu)建實例和 CNN 模型性能總之,該工作利用提出的CNN模型建立了CP分布與SEI的FT之間的相關(guān)性。CNN模型表現(xiàn)出了良好的預(yù)測性能,在測試數(shù)據(jù)集上達(dá)到了0.861的高R2值。對比分析表明,將RMC方法與CNN模型耦合得到的OD結(jié)構(gòu)具有一致的CP。與RD結(jié)構(gòu)110.24 s的FT相比,其FT顯著增加了9倍以上。此外,設(shè)計的PD結(jié)構(gòu)顯示了超過RD結(jié)構(gòu)126倍的FT。因此,該工作為SEI的結(jié)構(gòu)設(shè)計提供了有價值的指導(dǎo),為提高LMA的機械耐久性提供了有前景的解決方案。圖2. RD、OD 和 PD 的 Ablation-CAM 和 FEM 結(jié)果Design of Nanostructure in Solid Electrolyte Interphase for Enhancing the Mechanical Durability of Lithium Metal Anode by Deep-Learning Approach, Energy Storage Materials 2023 DOI: 10.1016/j.ensm.2023.103096