材料、能源和信息被人们称为现代技术的三大支柱，寻求可持续且高效的能源存储技术至关重要。近日，机电工程学院/高性能电子装备机电集成制造全国重点实验室吕锐婵教授延续和沙特国王大学Anees A. Ansari教授的合作，与悉达多大学Laxman Singh教授以共同通讯作者在工程技术类期刊Renewable and Sustainable Energy Reviews（中国科学院一区TOP，IF16.3）上发表综述论文”分子动力学结合机器学习用于储能领域的低共熔溶剂研究”。
本综述深入探讨了低共熔溶剂（DEs）在能源领域的关键作用，并通过分子动力学（MDs）结合机器学习（ML）视角探索了其潜力。通过综述当前研究成果，揭示了低共熔溶剂的复杂机制和特殊的物理化学性质，这些性质使其成为增强能源存储的有前途候选材料。此外，本研究还进一步阐明了低共熔溶剂的理论基础，包括其形成及特征特性，以及在电导率、稳定性和环境监测方面相较于传统电解质的优势。
分子动力学结合机器学习算法可以揭示纳米尺度复杂相互作用，这种科研范式可以加速最优低共熔溶剂的新组成发现，并可以预测其在不同电化学环境中的行为性能。然而，低共熔溶剂在能源存储领域的应用也面临一些挑战。一是在实际用于储能的低共熔溶剂设计合成方面。目前氟代碳酸乙烯酯等功能性添加剂可能会降低氢键受体或氢键供体的分子间相互作用；在碱金属附近存在的低共熔溶剂也因其N-H键而不稳定，使得反应受到限制。为了克服这些挑战，可以探索新的氢键供体，以及引入碱金属吸收剂等功能性添加剂。当然，引入或修改添加剂，将增加低共熔溶剂的分子动力学模拟的复杂性和计算成本。二是在结构理解方面，目前对低共熔溶剂的微观和纳米结构的预测仍受限于水分含量的准确测量。为了建立更系统的研究方法，需要综合考虑多种因素的影响，如离子液体的氢键位点数量与纳米结构的关系、冻结温度、粘度、密度和电导率等。这些因素对低共熔溶剂在储能中涉及的氧化还原反应的影响尚未得到充分探索，因此需要通过分子动力学模拟以及原位或非原位实验研究的支持来深入研究其反应机制。三是在分子动力学模拟方面。由于低共熔溶剂的高粘度特性，需要长时间的模拟运行才能获得精确的结果，这使得在给定共晶温度下建立适当时间长度的模型较困难；由于适用于所有低共熔溶剂的通用且高度准确的力场仍然缺失，限制了不同分子动力学方法之间的比较。新的量子力学与经典分子动力学的融合方法，如机器学习分子动力学，可以结合经典分子动力学的计算能力和量子力学分子动力学的精确度，通过引入原子类型和坐标信息解决电荷分配问题。随着计算能力的不断提升和机器学习算法的不断发展，机器学习分子动力学在低共熔溶剂模拟中的应用前景广阔。
近5年，吕锐婵教授的“光电集成制造与智能检测”课题组将机器学习结合不同的工程技术进行新应用，发表一系列论文，研究工作得到陕西省重点研发项目等的支持。
论文链接：
https://www.sciencedirect.com/science/article/pii/S1364032125000310
