DC娱乐网

低温钠离子电池电解液传输衰减的新机制

研究背景】

钠离子电池(Sodium-ion Batteries, SIBs)凭借钠资源丰富、成本低以及与锂离子电池相似的储能机制,被认为是面向大规模储能应用的重要技术路线之一。然而,在低温环境下,钠离子电池仍面临明显的性能衰减问题,其中电解液离子传输能力下降是限制其低温运行性能的关键因素。目前,低温电解液研究普遍认为,温度降低会导致溶剂黏度升高、离子扩散速率降低,并进一步影响 Na+的溶剂化环境。因此,已有研究主要通过调控溶剂化结构、引入弱配位阴离子以及优化盐浓度等策略改善低温传输性能。然而,在实际电解液体系中,Na+-溶剂配位与 Na+-阴离子缔合过程往往同时存在,并伴随温度变化发生动态演化,使得二者对低温离子输运衰减的相对作用难以被准确区分。因此,明确静态溶剂化结构变化与动态离子缔合过程在低温离子传输中的作用机制,成为理解并优化钠离子电池低温性能的关键科学问题。


【成果简介】

近日,广西大学莫唐明团队在能源领域权威期刊 《ACS Energy Letters》发表研究论文《离子缔合动力学决定钠离子电池电解质的低温离子传输性能》(Ion Association Dynamics Governs Low-Temperature Ion Transport of Sodium-Ion Battery Electrolytes),该研究结合机器学习势函数分子动力学模拟(machine-learned molecular dynamics)与变温拉曼光谱实验(variable-temperature Raman spectroscopy),建立了连接静态结构、动态行为与宏观传输性能的静态-动态分析框架,系统揭示了钠离子电池有机电解液在低温条件下离子传输衰减的分子机制。



研究发现,降温过程中 Na+ 周围溶剂化结构仅发生有限变化,溶剂分离离子对(SSIP)始终保持较高迁移能力;相比之下,离子缔合结构虽然数量增加有限,但其寿命明显延长,动态解离和重组过程受到抑制,导致快速迁移 Na+ 的比例降低,最终造成低温离子电导率下降。该工作表明,低温离子输运衰减的主要原因并非静态溶剂化结构重构,而是离子缔合动力学逐渐冻结导致的动态传输受限。


【图文导读】

图1. NEP 模型构建流程。(a) 数据集的主成分分析(PCA)分布图。不同颜色表示不同溶剂组成;"Cubic"表示 NaPF6 晶体结构;"EC"和"PC"分别表示纯 EC 和纯 PC 溶剂构型。数据集主要由 EC:PC=1:1 电解液构型组成。(b) NEP 主动学习迭代流程,包括 DFT 标注、NEP 模型训练以及模型驱动的构型探索。DFT 计算获得代表性结构的能量、原子力和 virial 信息,并用于模型更新和后续构型采样。(c) 训练完成的 NEP 模型结合 GPUMD 开展大规模分子动力学模拟的示意图。


图2. NEP 模型验证。(a) 第四轮主动学习过程中的损失函数变化。灰色虚线表示不同学习阶段,曲线包括 L1 正则化、L2 正则化、能量、力、virial 张量训练 RMSE 以及总损失。(b,c) DFT 参考值与 NEP 预测值的对比图,其中(b)为能量预测结果,(c)为原子力预测结果。不同颜色表示不同类型构型,并给出 RMSE 和 MAE。(d) 三种典型溶剂化结构的 DFT 能量与 NEP 预测能量对比,包括 SSIP(3EC-3PC-1Na+-0PF6-)、CIP(3EC-3PC-1Na+-1PF6-)和 AGG(6EC-4PC-3Na+-2PF6-)。(e) 298 K 和 233 K 下,机器学习势函数分子动力学与 AIMD 计算得到的 Na-O 径向分布函数(RDF)对比。(f) 电解液密度随温度变化关系,比较机器学习势函数分子动力学模拟结果与实验数据。


传统第一性原理分子动力学(AIMD)虽然能够提供高精度原子相互作用描述,但受限于计算成本,难以满足复杂电解液体系长时间、大尺度动态过程研究的需求。基于此,作者构建了神经网络进化势(Neural Evolution Potential, NEP)机器学习势函数模型,实现了钠离子电池电解液体系的高效大规模分子动力学模拟。研究采用主动学习策略,将经典分子动力学(CMD)、AIMD以及已有机器学习势函数采样得到的结构相结合,通过 DFT 单点计算获得能量、原子力和 virial 张量等高精度标签,并不断扩展模型训练数据空间。如图1a所示,最终数据集覆盖了不同溶剂组成、电解液结构以及 NaPF6 晶体等极端构型,其中 EC:PC=1:1 电解液构型占据主要比例,同时保证了模型对不同局部环境的有效采样。经过多轮主动学习迭代后,训练得到的 NEP 模型可与 GPUMD 分子动力学程序结合,实现复杂电解液体系的长时间尺度模拟,为后续低温离子输运机制分析提供计算基础。


随后,作者从能量、原子力以及结构和宏观物性的再现能力等方面对 NEP 模型进行了系统验证(图2)。经过第四轮主动学习迭代后,模型损失函数逐渐收敛,表明随着训练数据不断增加,模型预测能力趋于稳定。DFT 参考计算与 NEP 预测结果之间保持良好的线性一致性,能量和原子力预测均表现出较低误差,说明模型能够准确描述不同类型电解液构型。同时,对于 SSIP、CIP 和 AGG 三类典型溶剂化结构,NEP 预测能量与 DFT 结果高度吻合,证明模型能够有效捕捉不同离子缔合状态下的局部相互作用。此外,NEP 模拟得到的 Na-O 径向分布函数(RDF)与 AIMD 结果保持良好一致,并能够准确再现实验测得的电解液密度随温度变化趋势。上述结果表明,所构建的 NEP 模型兼具接近第一性原理精度和大规模模拟效率,为进一步揭示低温条件下电解液离子传输机制提供了可靠工具。


图3. 温度依赖的溶剂化结构实验与模拟分析。(a) 不同温度下 Raman 光谱在 700-800 cm-1(PF6- A1g 振动区域)和 850-950 cm-1(溶剂振动区域)的代表性分峰结果。(b) 不同温度下自由溶剂和 Na+-溶剂配位溶剂的比例变化。(c) SSIP/CIP 与 AGG 随温度变化的比例分布。(d) 不同温度下 Na-C(EC) 和 Na-C(PC) 的径向分布函数(RDF)。(e) 不同温度下 Na+-P(PF6-) 的径向分布函数(RDF)。(f) SSIP-Na、SSIP-PF6、CIP 和 AGG 的结构种类分布随温度变化。(g) SSIP、CIP 和 AGG 的代表性溶剂化结构示意图。其中 SSIP 中 Na+第一溶剂化壳层主要由 3EC 和 3PC 组成,PF6-位于第一溶剂化壳层之外;CIP 中 PF6-进入 Na+第一溶剂化壳层;AGG 中多个 Na+、PF6-以及 EC/PC 分子形成聚集结构。(h,i) 298 K 和 233 K 下离子缔合组成热图,展示不同 Na+和 PF6-数量组合对应的摩尔分数分布。


结合变温 Raman 光谱实验与机器学习分子动力学模拟,作者首先系统分析了低温条件下钠离子电池电解液中溶剂化结构的变化规律(图3)。Raman 光谱分峰结果表明,随着温度降低,自由溶剂与 Na+配位溶剂的比例仅发生轻微变化,说明 Na+-溶剂配位环境在降温过程中保持较高稳定性。同时,模拟得到的 Na-C(EC)、Na-C(PC)径向分布函数(RDF)也显示,不同温度下 Na+与 EC、PC 分子的配位特征基本保持一致,进一步证明低温并未引起显著的第一溶剂化壳层重构。


相比之下,温度降低会引起离子缔合结构比例的轻微调整。Raman 分析以及模拟统计结果显示,SSIP(溶剂分离离子对)仍然占据主要比例,而 CIP(接触离子对)和 AGG(离子聚集体)的比例仅随降温发生小幅增加。进一步的结构分析表明,低温下离子缔合程度有所增强,但整体静态结构变化仍较为有限,并未伴随 Na⁺溶剂配位环境的明显重构。典型结构示意以及离子缔合组成分布热图进一步揭示了不同温度下 SSIP、CIP 和 AGG 的局部结构特征,为后续分析离子缔合动力学对低温传输的影响提供了结构基础。


图4. 去溶剂化与扩散机制的动力学分析。(a) 1 M NaPF6/EC-PC 电解液中电导率和黏度随温度变化关系,比较机器学习分子动力学模拟结果与实验数据。(b) Na+、PF6-、EC 和 PC 自扩散系数的 Arrhenius 分析,插图展示拟合得到的活化能和前因子关系。(c) 298 K 下 EC-Na+、PC-Na+和 PF6--Na+配位的生存概率函数。(d) 不同配位物种停留时间的 Arrhenius 分析。(e) EC-Na+、PC-Na+和 PF6--Na+配位对应扩散长度随温度的变化。(f) 298 K 和 233 K 下 Na+传输机制示意图,分别展示高温下增强的载体扩散以及低温下与配位交换相关的结构扩散贡献。


然而,静态结构变化有限并不意味着离子传输过程不受影响。进一步的动力学分析揭示,低温下离子输运性能显著下降主要源于动态过程受限(图4)。机器学习分子动力学模拟得到的电导率和黏度变化趋势与实验结果一致,证明模型能够可靠描述低温输运行为。Arrhenius 分析表明,Na+、PF6-以及溶剂分子的扩散系数均随温度降低而下降,其中离子扩散对温度变化更加敏感。


为了进一步理解 Na+迁移过程,作者分析了 Na+与不同配位物种之间的停留时间以及扩散长度。结果显示,Na+-PF6-配位具有更长的停留时间,而 Na+-溶剂配位则更容易发生交换。随着温度降低,尽管扩散系数下降导致整体迁移能力降低,但配位交换过程仍在 Na+迁移中发挥重要作用。扩散长度分析进一步表明,低温下 Na+与配位物种共同迁移的距离缩短,反映出离子运动受到更强限制。


图5. 离子缔合解离动力学与离子输运分析。(a) 298 K 和 233 K 下 CIP 与 AGG 状态的生存概率函数。(b) CIP 与 AGG 的平均寿命随温度的变化。(c) 不同温度下 SSIP-Na+、SSIP-PF6-、CIP 和 AGG 状态之间的转变速率。(d,e) 298 K (d) 和 233 K (e) 下,初始处于不同溶剂化状态(不同 EC/PC 配比的 SSIP、CIP 和 AGG)的 Na+ 在延迟时间为 0.01、0.1 和 1 ns 时的条件自 van Hove 函数。(f) 固定延迟时间下,不同溶剂化状态对应的条件自 van Hove 函数峰位随温度的变化。(g–i) 298 K(上半部分)和 233 K(下半部分)下,Na+ 与 PF6- (g)、EC (h) 和 PC (i) 在 10 ns 内的配位时间序列。


进一步地,为明确低温下限制离子传输的具体微观因素,作者分析了离子缔合结构的解离动力学以及不同溶剂化状态下 Na+迁移行为(图5)。生存概率函数和平均寿命分析显示,随着温度降低,CIP 和 AGG 状态的持续时间明显增加,说明离子缔合结构更加稳定,解离过程受到抑制。状态转变速率分析进一步表明,低温降低了不同溶剂化状态之间的动态交换频率。


条件 van Hove 函数分析揭示,不同初始溶剂化状态下 Na+具有明显不同的迁移能力。其中,SSIP 状态下 Na+表现出更高的迁移能力,而 CIP 和 AGG 中 Na+迁移受到明显限制。随着温度降低,各类 Na+迁移行为均受到抑制,尤其是强离子缔合状态下的 Na+迁移衰减更加明显。进一步的配位轨迹分析也直接展示了低温下 Na+-PF6-、Na+-EC 和 Na+-PC 配位持续时间的变化,证明低温离子传输衰减与配位动力学冻结密切相关。


【文章小结】

本研究结合机器学习势函数分子动力学模拟与变温 Raman 光谱实验,系统揭示了钠离子电池电解液低温离子传输衰减的微观机制。研究发现,降温过程中电解液的静态溶剂化结构仅发生有限变化,而离子缔合结构的寿命延长以及动态重组能力降低才是限制低温离子迁移的关键因素。特别是,低温下稳定化的离子缔合状态减少了可快速迁移 Na+ 的比例,从而导致电解液传输性能下降。该工作从动态演化过程的角度重新认识了低温电解液输运衰减机制,强调了离子缔合动力学在低温钠离子电池电解液设计中的重要作用,为开发具有优异低温性能的电解液体系提供了新的理论依据。

论文链接:https://doi.org/10.1021/acsenergylett.6c02269


【作者介绍】

莫唐明,广西大学副教授/硕士生导师。2017 年、2022 年分别获华中科技大学学士、博士学位。2022年7月加入广西大学任助理教授、副教授。近5年来,主要开发/利用分子动力学模拟方法,研究电化学储能器件的储能机理。以第一作者或通讯作者发表包括Adv. Mater. 、Angew. Chem. Int. Ed.、ACS Energy Letters、ACS Nano、Energy Storage Mater.、Adv. Funct. Mater.等论文二十余篇。主持国家自然科学基金1项,广西青年科技人才托举工程、青年科技创新人才培养专项等省级基金5项。


文章来源:纳电材料

注:本站转载的文章大部分收集于互联网,文章版权归原作者及原出处所有。文中观点仅供分享交流,如涉及版权等问题,请您告知,我将及时处理!