利用二维材料探索电化学储能系统中的热传输：前景与挑战

二维材料及其异质结构在电池等电化学储能系统（EESS）中具有巨大应用潜力。全面而扎实地理解这些材料的热传输及其机制，对于EESS的实际设计至关重要。实验在复杂结构（尤其是低维材料）的改进控制与表征方面面临挑战。第一性原理计算、玻尔兹曼输运方程、分子动力学模拟、晶格动力学模拟以及非平衡格林函数等理论与模拟工具，可可靠预测热导率并提供理解材料内热传输潜在机制的物理洞见。然而，这些计算需要高昂的计算资源。新材料合成技术的发展以及对快速、准确预测物理性质的日益增长的需求，呼唤新颖的计算方法。机器学习（ML）方法为满足此类需求提供了有前景的解决方案。本综述详述了EESS中热传输的原子/分子尺度研究与ML的最新进展，也论述了最新的重要实验突破。然而，设计最优的低维材料基异质结构犹如多元优化问题。例如，某一特定异质结构可能适于热传输，但机械强度/稳定性较低。对于双层/多层结构，层间距可能影响热传输性能与层间结合强度。因此，最后一部分探讨了EESS中面向热传输的低维材料基异质结构设计的未来研究方向。