新型固體電解質(zhì)提高電池的能量密度和安全性。

　　據(jù)外媒報道，斯坦福大學（StanfordUniversity）的科學家發(fā)現(xiàn)了一種新型固體材料，可以替代鋰離子電池中的易燃液體電解質(zhì)。據(jù)介紹，這種由鋰、硼和硫制成的低成本材料，可以提高電動汽車、筆記本電腦等電池驅(qū)動設(shè)備的安全性和性能。

　　“典型的鋰離子電池擁有兩個固體電極，中間是高度易燃的液體電解質(zhì)，”主要研究人員、斯坦福大學材料科學與工程系的訪問學者AustinSendek表示，“我們的目標是設(shè)計穩(wěn)定、低成本的固態(tài)電解質(zhì)，同時增加電池的功率和能量輸出?！?/p>

　　有前景的材料

　　在電池充放電過程中，鋰離子通過電解質(zhì)在正負極之間穿梭。大多數(shù)鋰離子電池使用的是液體電解質(zhì)，如果電池被擊穿或短路，電解質(zhì)就會燃燒。與之相反，固體電解質(zhì)很少著火，而且可能更有效。

　　“固體電解質(zhì)更安全、更持久、能量密度更高，有望成為液體電解質(zhì)的替代品?！敝饕芯咳藛T、材料科學與工程系副教授EvanReed稱，“然而，要發(fā)現(xiàn)適用于固體電解質(zhì)的合適材料，仍然是巨大的工程挑戰(zhàn)?！?/p>

　　目前使用的大多數(shù)固體電解質(zhì)都非常不穩(wěn)定、效率低、價格昂貴，不具有商業(yè)可行性。Sendek說：“傳統(tǒng)固體電解質(zhì)無法像液體電解質(zhì)那樣，傳導(dǎo)那么多的離子電流。一旦與電池電極接觸，通常情況下，它們會發(fā)生降解?！?/p>

　　機器學習

　　2016年，為了找到可靠的固體電解質(zhì)，Sendek及其同事訓(xùn)練了一種計算機算法，篩選材料數(shù)據(jù)庫中的12000多種含鋰化合物。該算法在幾分鐘之內(nèi)就識別出了大約20種有前景的材料，其中包括四種少見的由鋰、硼和硫組成的化合物。

　　在目前的研究中，研究人員利用一種名為密度泛函理論的技術(shù)，對這四種化合物進行了更仔細的觀察，這種技術(shù)可以模擬材料在原子層面上的行為。

　　結(jié)果喜人

　　當前研究表明，鋰－硼－硫電解質(zhì)的穩(wěn)定性大約是主流固體電解質(zhì)的兩倍。在電動汽車中，這意味著續(xù)航里程可能更長，因為電池的穩(wěn)定性會影響其單位重量可以存儲的能量，即能量密度。

　　Sendek稱：“特斯拉和其它電動汽車一次充電可以行駛250至300英里。但是，如果使用固體電解質(zhì)，則有可能使鋰離子電池的能量密度增加一倍，并使該續(xù)航里程超過500英里，甚至可以開始考慮電動飛行。”

　　從化學意義上來說，常規(guī)固體電解質(zhì)發(fā)生降解時，會從良導(dǎo)體轉(zhuǎn)化為不良導(dǎo)體，導(dǎo)致電池停止工作。研究預(yù)測，當混合在一起時，這四種鋰－硼－硫化合物即使分解，也能繼續(xù)起作用。Sendek指出：“這四種化合物在化學上都是相似的。因此，當混合物分解時，每種化合物都可能從一種良導(dǎo)體轉(zhuǎn)變?yōu)榱硪环N良導(dǎo)體。因此，這些材料可以經(jīng)受數(shù)次降解循環(huán)，才分解成不良導(dǎo)體，最終導(dǎo)致電池失效。”

　　研究還預(yù)測，在傳導(dǎo)鋰離子方面，比起用昂貴的鍺制造的固態(tài)電解質(zhì)，鋰－硼－硫材料的某些相可能要超出三倍。Sendek表示：“如果獲得良好的離子電導(dǎo)率，則可以使更多的電流從電池中流出，從而得到更大的動力來為汽車加速。”

　　目前某些最好的固體電解質(zhì)是用稀有元素制成的，例如鍺，一公斤的價格約為500美元。而鋰、硼和硫是儲量豐富的化學物質(zhì)，價格為每公斤26美元。

　　金屬鋰

　　發(fā)現(xiàn)一種可行的固態(tài)電解質(zhì)，也將促進鋰金屬電池的發(fā)展。這種電池能量密度高、重量輕，是電動汽車的理想選擇。

　　大多數(shù)鋰離子電池采用的是石墨負極，而在鋰金屬電池中，石墨被金屬鋰取代，每公斤金屬鋰可以存儲更多的電量?！颁嚱饘倏胺Q是電池研究的圣杯，”Sendek說，“但是，在運行過程中，鋰金屬電極有可能會發(fā)生內(nèi)部短路，液體電解質(zhì)對此無能為力。固體電解質(zhì)似乎是我們克服這個問題的絕佳機會，其中鋰－硼－硫電解質(zhì)是很有前景的候選者?！?/p>

　　研究路線圖

　　此項研究為今后的研究提供了理論路線圖，下一步是合成四種鋰－硼－硫材料，并在電池中進行測試。“在實驗室里制作這些材料可能相當困難，”Sendek說，“作為理論學家，我們的工作是給實驗人員指出有希望的材料，讓他們看到這些材料在真實設(shè)備中是如何表現(xiàn)的?！?/p>

　　Reed補充，通過人工智能和機器學習，從成千上萬的候選材料中識別出這些有前途的材料，已經(jīng)證明是可行的。他說：“到目前為止，大多數(shù)新材料的發(fā)現(xiàn)，都是通過反復(fù)的實驗來摸索完成的。我們的研究結(jié)果表示，機器學習方法在材料化學中取得了成功，這令人興奮?！?/p>