近日，基础与前沿研究院刘芯言特聘研究员在Advanced Materials发表题为“Decoding Lithium Metal Battery Degradation with Symmetric-cell Artificial Intelligence Diagnostics (SAID)”的研究论文。基础与前沿研究院博士后邹波波和2024级博士研究生刘坤雨为论文共同第一作者，刘芯言特聘研究员为论文通讯作者，基础与前沿研究院为论文第一单位。
在全球可持续发展和能源转型日益重要的背景下，研发高能量密度储能技术已成为学术界和工业界的共同方向。锂金属电池因其高理论容量和低电化学电位，被认为是下一代高能量密度电池发展的关键，对提升电动汽车续航能力和大规模储存可再生能源具有重要影响。然而，锂枝晶的不可控生长和固液界面不稳定等问题极大地限制了其产业化的推进，精准揭示锂金属负极的退化机理成为制约其发展的核心科学难题。传统研究多基于全电池的研究体系开展，但正负极间复杂的耦合效应使负极退化机理难以单独解析，限制了对锂负极失效机制的深入理解。
针对这一难题，本研究提出了一种基于对称电池的智能化诊断框架（Symmetric-cell Artificial Intelligence Diagnostics, SAID）。该框架以锂|锂对称电池为研究载体，有效剥离了正极干扰，聚焦循环早期阶段负极的退化行为。SAID整合了数据预处理、预测建模与机理解析三大模块，构建起一套完整的端到端诊断流程。通过对早期循环数据进行分析，SAID成功实现了锂极化拐点（即锂极化加速的起始点）的精准预测。此外，SAID基于可解释性分析手段，从常规对称电池电压曲线中识别出主导锂极化加速行为的关键指纹特征。该特征在多种典型电解质体系中均表现出良好的普适性，并在搭配不同正极的全电池实验中获得了验证，实现了从对称电池到全电池体系的有效映射，进一步证实了其物理合理性和实际可靠性。
SAID的建立为锂金属电池研究提供了一种高效且可解释的智能诊断新模式。该方法基于易于获取的对称电池数据，通过从简单系统到复杂体系的有效映射，展现出标准化和可推广的显著优势。这一创新模式不仅适用于锂金属系统，还可扩展至其他金属电极电池体系，为高能量密度电池的研发和商业化应用开辟了新
的技术路径。
图1. 对称电池智能化诊断框架设计思路
作者简介：刘芯言，电子科技大学基础与前沿研究院“百人计划”特聘研究员/博导。2013年和2018年分别于清华大学和斯坦福大学获得学士和博士学位，博士期间师从Jens Nørskov教授。博士毕业后曾担任Facebook Inc.（现Meta）基础数据科学部高级数据科学家。目前主要研究领域是能源化学相关的理论计算和人工智能交叉研究，在Nat. Commun., J. Am. Chem. Soc., Adv. Mater., Angew. Chem. Int. Ed., J. Energy Chem.等国际著名期刊上发表论文60余篇，H指数为39。
