摘要：锂离子电池(LIBs)自投入商用以来,其在低温环境下工作时容量衰退的问题广受学者关注。对低温环境下导致LIBs性能差的影响因素进行了分析与讨论,并从四个方面总结概括了近几年改善低温电池动力学的方法,分别为电解液设计,正极材料改性,负极材料改性和电池加热技术。最后,对改善低温LIBs性能的方法做出了总结并提出新的见解和方案,以促进高性能低温LIBs的持续发展。

摘要：锂硫电池具有理论能量密度高等优势,被认为是最有前景的一类新型二次电池.硫正极存在硫和硫化锂的导电性差、可溶性多硫化物的扩散/穿梭、循环过程中硫的体积膨胀以及氧化还原过程慢等问题,严重制约着电池的活性和循环稳定性.设计“蛋黄-蛋壳”结构纳米反应器应用于锂硫电池正极,可通过调控其“蛋黄”、“蛋壳”和“空腔”结构缓解充放电过程中电极的体积变化,为离子/电子输运提供快速通道,强化对多硫化物的吸附和催化转换作用等,进而提高电极的活性和循环性能,有利于推进锂硫电池的商业化进程.本文总结了“蛋黄-蛋壳”结构纳米反应器的设计和调控策略,包括单核-单壳、单核-多壳、多核-单壳以及多核-多壳等,并结合锂硫电池的工作特点和目前应用存在的问题,对未来发展前景进行了展望.

摘要：随着大数据和人工智能的发展以及机器学习(ML)与化学学科领域的交叉,ML技术与电池领域的结合激发了更有前途的电池开发方法,尤其在电池材料设计、性能预测、结构优化等方面的应用愈加广泛。应用ML可以有效地加速电池材料的筛选进程并预测锂电池(LBs)的性能,从而推动LBs的发展。本文简要介绍了ML的基本思想及其在LBs领域中几种重要的ML算法,之后讨论了传统模拟计算方法与ML方法各自的误差表现及分析,借此来提高LBs专家对ML方法的理解。其次,重点介绍了ML在电池材料实际开发中的应用,包括正极材料、电解质、材料多尺度模拟及高通量实验(HTE)等方面,借此介绍ML方法在电池领域应用的思想和手段。最后,总结了ML方法在锂电池领域中的研究现状并展望了其应用前景。本综述旨在阐明ML在LBs开发中的应用,并为先进LBs的研究提供借鉴。