高能量密度的Li金属电池是最有前景的长续航电气输运。但是Li金属电池面临着快速容量衰减和安全问题，阻碍了锂金属电池的应用，而且复杂的性能衰减导致电池设计和工程化变得非常困难。

有鉴于此，电子科技大学彭翃杰研究员、清华大学张强教授、北京理工大学张学强教授等报道了一种可解释的模型，能够加快对包括79个电池以及电池参数的复杂数据的锂金属电池的老化。

本文要点

（1）

这个方法能够使用前10个周期的数据就可以准确的预测电池性能加速衰减的起点。通过这种可解释的框架，能够对最后10 %的深度放电对锂金属电池老化的关键作用进行解释。并且提出了具有普适性的描述符，能够对电池早期的循环数据对电解质进行快速的评价。

（2）

机器学习给出的结果有助于促进设计双截断放电设计，能够将锂金属电池的寿命提高2.8倍。

参考文献

Xinyan Liu, Bo-Bo Zou, Ya-Nan Wang, Xiang Chen, Jia-Qi Huang, Xue-Qiang Zhang*, Qiang Zhang*, and Hong-Jie Peng*, Interpretable Learning of Accelerated Aging in Lithium Metal Batteries, J. Am. Chem. Soc. 2024

DOI: 10.1021/jacs.4c09363

https://pubs.acs.org/doi/10.1021/jacs.4c09363