Articles in Turing Academy cover three major themes: ESG Net Zero Laboratory, AI Laboratory and Lean Management Laboratory. We will share articles on related topics from time to time. We also welcome students who are interested in the above topics to submit articles and share them with you. Insights (I want to contribute)

「突破鋰金屬電池瓶頸:去局域化電解液設計實現600 Wh/kg能量密度」

 

 

圖靈學院
科楠老師
2025-8-20

 

一、引言:能源存儲的下一個戰場

 

    電動車與儲能市場持續擴張,推動全球對高能量密度電池的需求。傳統鋰離子電池已逼近性能極限,鋰金屬電池(LMBs)被視為突破口。然而,長期以來,電解液設計一直是LMBs商業化的最大障礙。

 

這篇發表於《Nature》的最新研究,提出一種「去局域化電解液設計」(delocalized electrolyte design),成功在鋰金屬軟包電池中達成 604.2 Wh/kg 與 618.2 Wh/kg 的能量密度,並在3.9 kWh電池組中維持 480.9 Wh/kg 的高能量密度與安全表現。這一成果不僅達到美國Battery500計畫的目標,更被視為推動下一代儲能革命的里程碑。


二、傳統電解液設計的困境

 

    目前的電解液設計多圍繞兩種「主導溶劑化結構」:

 

1. 溶劑主導(solvent-dominated):

  • 優點:Li⁺ 遷移率高。
  • 缺點:形成有機SEI(固態電解質介面膜),導致界面導電性差,壽命受限。

 

2. 陰離子主導(anion-dominated):

  • 優點:生成無機富集SEI,提升穩定性。
  • 缺點:限制Li⁺傳輸速率,導致容量衰減。

 

這種「非此即彼」的設計思維,使得LMBs難以在能量密度與循環壽命之間取得平衡。


三、去局域化電解液:新範式的提出

 

    研究團隊挑戰這種二元思維,提出「去局域化」設計。其核心概念是:

  • 引入多元化的溶劑與鹽組合。
  • 打破單一主導結構,形成高度無序的溶劑化微環境。
  • 降低Li⁺脫溶能障,促進界面穩定性。

 

這種設計不再追求「最佳單一結構」,而是利用混合系統的熵效應,形成動態、穩健的電解液環境。


四、AI與數據驅動的材料篩選

 

    研究採用 288種溶劑與99種鋰鹽 作為候選,透過 DFT(密度泛函理論)計算 評估HOMO/LUMO能階、溶劑化能(Esolvation)、結合能(Ebinding)。


接著使用 K-means 機器學習聚類,將候選化合物分群,篩選出最具潛力的組合。

 

這種方法避免了傳統「試錯式」開發,大幅提升了新材料設計的效率。換句話說,這是一場由AI驅動的電池化學革命。


五、三種設計策略的比較

 

1. 局域化電解液(LE)

  • 單鹽+單一或少數溶劑
  • 結構單一,缺乏靈活性

 

2. 半去局域化電解液(SDE)

  • 單鹽+多溶劑
  • 溶劑多樣,但受限於鹽的固定結合能

 

3. 完全去局域化電解液(UDE)

  • 多鹽+多溶劑
  • 形成廣泛的「面狀」溶劑化結構,最大化無序度

 

實驗證明,UDE顯示出最廣泛的Li⁺ 配位距離分布,並透過同步輻射X光散射與拉曼光譜進一步確認其高度無序的結構。

 

圖1 三種電解液設計的對比:局域化(LE)、半去局域化(SDE)、完全去局域化(UDE)。UDE打破單一溶劑化結構,形成高度無序環境,提升鋰離子傳輸與界面穩定性。(Huang et al.2025)


六、性能驗證:從硬幣電池到軟包電池

 

圖2 使用去局域化電解液(UDE)的軟包鋰金屬電池,能量密度突破 600 Wh/kg,同時在多次循環後仍保持穩定容量,達到Battery500計畫設定的目標。(Huang et al.2025)

 

在硬幣電池階段,UDE已展現更高的Li⁺ 擴散係數與更穩定的SEI層。進一步擴展到 Ah級軟包電池,研究成果更具突破性:

  • NCM811||Li 軟包電池(1.9Ah)

  - 能量密度:510.1 Wh/kg
  - 300循環後無明顯容量衰減

  • Ni90||Li 軟包電池(5.5Ah,1.0 g Ah−1電解液)

  - 能量密度:604.2 Wh/kg
  - 循環100次後仍保持517.7 Wh/kg

  • Ni90||Li 軟包電池(5.2Ah,0.9 g Ah−1超精簡電解液)

  - 能量密度:618.2 Wh/kg
  - 90循環後穩定表現。

 

這些數據已全面超越Battery500計畫提出的「500 Wh/kg」目標。


七、安全性測試:從單體到電池組

 

    能量密度再高,若安全性不足,仍無法推向市場。研究團隊進行了一系列嚴苛測試:

 

  • 釘刺測試:UDE系統表現出更穩定的熱與機械行為,避免爆炸或劇烈反應。
  • 質譜檢測:UDE產生的分解氣體與氧釋放量遠低於傳統電解液。
  • 電池組裝測試:

  - 3.9 kWh電池組(24串2並配置),能量密度 480.9 Wh/kg。
  - 25次循環後仍輸出3.4 kWh有效能量。

 

這意味著UDE電池已具備實際應用於電動車與電網儲能的潛力。


八、電極與界面觀察

 

    研究進一步拆解循環後的電池,結果顯示:

  • Li金屬負極:在UDE中厚度膨脹與孔隙率顯著降低,析鋰更均勻。
  • NCM811正極:在UDE中僅形成2 nm重構層,而傳統電解液下則出現裂紋與晶格塌陷。
  • SEI與CEI:UDE生成的界面層更薄、更緻密,且富含無機化合物如LiF、Li₃N,提升長壽命循環的穩定性。

 

圖3 傳統電解液下,鋰負極和NCM811正極出現膨脹與裂紋;使用去局域化電解液後,電極保持完整結構,顯示出更高穩定性。(Huang et al.2025)

 

九、影響與前景

 

1. 對電動車產業

  • 若商業化,EV續航力將突破單次充電1000公里的門檻。
  • 減少電池重量,有助於車輛設計與能效提升。

 

2. 對能源儲存

  • 高能量密度意味著更小的體積即可提供相同儲能容量。
  • 可應用於離岸風電與太陽能電網調節。

 

3. 對電解液設計方法學

  • 去局域化策略與AI驅動篩選,將成為未來電池化學的新常態。

  • 可延伸至鈉電池、固態電池等其他體系。


十、結論

 

1. 科學意義

 

這項研究是材料科學上的重大突破,也是能源轉型道路上的關鍵一步。透過「去局域化電解液」設計,並結合AI輔助的材料篩選,研究團隊首次證明鋰金屬電池(LMBs)能真正邁入 “600 Wh/kg 能量密度時代”,不再只是理論上的假設。

 

2. 產業意義

 

這一成果不僅突破了傳統電解液設計的瓶頸,更釋放出一個強烈的訊號:當人工智慧與材料科學結合,即使是困擾電池領域數十年的「老問題」,也能找到新解答。未來能源市場的格局,很可能因這種跨領域的方法而被改寫。「1000公里續航的電動車」不再是空想,而是可以被具體驗證的技術目標。

 

3. 商業化挑戰

 

能量密度並不是商業化的唯一條件。若要真正推向電動車與儲能市場,這類新型電池仍需跨越三道關卡: “長期壽命、安全性驗證、以及成本與製程可行性”。目前的成果更像是一具「概念車的引擎」——方向正確、潛力巨大,但要實際上路,仍需經過多輪產業化測試與放大驗證。

 

4. 延伸展望

 

 

若能逐步克服壽命與安全性的挑戰,去局域化電解液設計將不僅改變電動車市場,也可能率先應用於 “高端領域”:

  • 航空電池與eVTOL:在重量高度敏感的應用場景,600 Wh/kg 電池能帶來革命性影響。
  • 電網級儲能:更高能量密度意味著更少的空間與材料,即可支撐大規模再生能源調度。
  • 軍用與高端裝備:對能量需求極高、又對可靠性要求嚴格的領域,這類電池將成為戰略資產。

 

這一研究已將高能量密度電池從實驗室推向現實,雖未達全面商業化,卻已為下一代能源技術奠定清晰藍圖。


參考來源

* Huang, H., Hu, Y., Hou, Y., Wang, X., Dong, Q., Zhao, Z., Ji, M., Zhang, W., Li, J., Xie, J., Guo, H., Han, X., Ouyang, X., & Hu, W. (2025). Delocalized electrolyte design enables 600 Wh kg−1 lithium metal pouch cells. Nature. [https://doi.org/10.1038/s41586-025-09382-4](https://doi.org/10.1038/s41586-025-09382-4) 
* Liu, Y. et al. (2022). Self-assembled monolayers direct a LiF-rich interphase toward long-life lithium metal batteries. Science, 375, 739–745.
* Kim, S. C. et al. (2023). High-entropy electrolytes for practical lithium metal batteries. Nat. Energy, 8, 814–826.
* Wang, Y. (2025). Application-oriented design of machine learning paradigms for battery science. NPJ Comput. Mater., 11, 89.