人工智能（AI）已成为发现和优化新型电池材料的工具。然而，由于优化多个性能属性的复杂性和高保真数据的稀缺性，人工智能在电池阴极表示和发现中的应用仍然受到限制。

基于此，加州大学伯克利分校Gerbrand Ceder教授提出了一种电池信息学的机器学习模型（DRXNet），并展示了该模型在无序岩盐（DRX）正极材料的发现和优化中的应用。

在过去的5年中，我们收集了DRX阴极的电化学数据，形成了一个超过19000个放电电压分布的数据集，涉及14种不同的金属物种。

从这个广泛的数据集学习，我们的DRXNet模型可以捕捉到各种条件下DRX阴极循环曲线的关键特征。

我们的方法提供了一个数据驱动的解决方案，以促进快速识别新的正极材料，加快下一代碳中和电池的发展。

Please cite this article in press as: Zhong et al., Deep learning of experimental electrochemistry for battery cathodes across diverse compositions.

Joule (2024)

https://doi.org/10.1016/j.joule.2024.03.010

具有三维轨道的过渡金属硫系化合物（TMCs）作为镁离子电池的阴极已得到广泛的研究。然而，它们的导电性差，电化学动力学缓慢，严重限制了它们的电化学性能，阻碍了它们的广泛应用。

新加坡科技研究局Zhi Wei Seh&德州大学奥斯汀分校余桂华教授通过密度泛函理论、有限元模拟和从头算分子动力学结果的验证，提出了一种硫化钴（Co3S4/CoS2）空心纳米球的异质界面结构，以使异质界面产生内置电场。

与其他TMC相比，我们的阴极在50 mA g−1下120次循环后显示出597 mAh g−1的大量容量。

在软包电池中进行评估时，电极可在40 mA g−1下维持100次深循环，能量密度为203 Wh kg−1，显示出实际应用的潜力。

最后，合理的过渡金属硫化物异质结构工程为开发高性能可持续镁电池阴极提供了新思路。

Please cite this article in press as: Wang et al., Heterojunction structure of cobalt sulfide cathodes for high-performance magnesium-ion batteries

Matter (2024) 

https://doi.org/10.1016/j.matt.2024.03.008

随着对可靠存储系统需求的增加，以溴阴极为代表的转化型化学因其具有相当大的理论容量、成本效率和高的氧化还原电位而受到广泛关注。然而，在操作过程中活性物种的严重损失仍然是一个问题，导致研究人员求助于高浓度的含卤化物电解质。

基于此，香港城市大学支春义教授利用钙钛矿晶格中的卤化物交换特性，提出了一种新型的低维卤化物杂化钙钛矿阴极TmdpPb2[IBr]6，它不仅可以作为可逆三电子转换的卤素库，还可以通过Pb悬挂键、C-H…Br氢键和Pb-I…Br卤素键作为有效的卤素吸收剂。

因此，在典型的无卤化物电解液中，Zn | | TmdpPb2[IBr]6电池在1.21 V（I0/I−）、1.47 V（I+/I0）和1.74 V（Br0/Br−）下提供了三个显著的放电电压平台，同时在0.4 a g−1下实现了超过336 mAh g−1的高容量，在1.2 a g−1和3.2 a g−1下分别进行1000次循环和4000次循环后，高容量保持率分别为88%和92%，并伴有约99%的高库仑效率。

该工作突出了基于金属卤化物钙钛矿材料的有前景的转换型阴极。

Halide Exchange in Perovskites Enables Bromine/Iodine Hybrid Cathodes for Highly Durable Zinc Ion Batteries

Adv. Mater. 2024, 2401924

https://doi.org/10.1002/adma.202401924