面向目标阴极负载的电解液性能提升：基于可解释数据驱动的方法

尤其是在基于转换反应的电池中，提高活性电极材料的负载是为了提高能量密度和成本效益所寻求的。然而，增加电极中的活性材料负载会导致显著的性能退化，由于内部电阻、迁移和副反应等因素，这些因素可以通过兼容的电解液设计在一定程度上得到缓解。本文利用数据驱动方法寻找针对 novel interhalogen battery 定制的目标阴极负载的高性能电解液配方。实验设计了由 4 种溶剂和 4 种盐组成的电解液，用于 novel interhalogen battery，其基于多电子氧化反应。具有可变电解液配方和活性阴极负载的实验数据集用于训练基于图的深度学习模型，将电池材料设计中的变化变量映射到其比容量。训练后的模型用于进一步优化电解液配方，以提高目标阴极负载下的电池容量，采用两种方法：大规模筛选和解释不同阴极负载的电解液设计原则。数据驱动方法 demonstrated 在实验优化获得的容量基础上带来约 20% 的比容量提升。