El descubrimiento aditivo impulsado por datos con HOMO-descriptor permite baterías de zinc acuoso duraderas a través...

Área de la Ciencia:

• Ciencias de los materiales
• La electroquímica
• Química computacional

Sus antecedentes:

• Las baterías acuosas de iones de zinc (AZIB) se enfrentan a desafíos como el crecimiento dendrítico y las reacciones parasitarias, lo que limita su estabilidad interfacial y la transferencia de carga.
• Estos problemas provienen de la inestabilidad de la interfaz y los procesos electroquímicos no controlados en el ánodo.
• El desarrollo de estrategias efectivas para el cribado aditivo es crucial para el avance de la tecnología AZIB.

Objetivo del estudio:

• Desarrollar una estrategia acelerada de aprendizaje automático para la identificación de aditivos electrolíticos efectivos para los AZIB.
• Establecer un marco predictivo que vincule las propiedades moleculares (energía HOMO) con el comportamiento de Zn2+ en la interfaz.
• Descubrir nuevos aditivos que mejoren la estabilidad interfacial y supriman la formación de dendritas en los AZIB.

Principales métodos:

• Utilizó un modelo de aprendizaje automático interpretable (Adaptive Boosting) entrenado en conjuntos de datos moleculares para predecir el nivel de energía molecular orbital ocupado más alto (HOMO).
• Niveles de energía HOMO correlacionados con el comportamiento de adsorción y reducción de iones Zn2+.
• Se examinaron los aditivos potenciales utilizando el modelo predictivo y se validó experimentalmente el rendimiento de los candidatos identificados.

Principales resultados:

• El modelo de aprendizaje automático logró una alta precisión en la predicción HOMO (R2 = 0.8032, MSE = 0.2977).
• La 4-dimetilaminopiridina fue identificada como un aditivo de alto rendimiento, suprimiendo eficazmente las dendritas de zinc mediante la regulación de la transferencia de carga interfacial y la cinética de deposición iónica.
• El aditivo también inhibió las reacciones parasitarias al excluir las moléculas de agua, lo que dio lugar a un ánodo de Zn con una eficiencia coulombina media del 99,85% durante 1600 ciclos.
• Una célula de bolsa NaV3O8·1,5H2OZn demostró un ciclo estable durante 70 días con una retención de capacidad del 73% después de 250 ciclos.

Conclusiones:

• Fue pionero en la integración del aprendizaje automático con la electroquímica interfacial para el descubrimiento de aditivos en AZIB.
• Demostró un enfoque generalizable para el cribado racional de aditivos y el diseño de electrolitos.
• Estableció un nuevo paradigma para lograr ánodos metálicos libres de dendrita en sistemas de baterías acuosas.