9月9日消息，美国卡内基梅隆大学Venkatasubramanian Viswanathan团队（作者Hancheng Zhao、Hongyi Lin、Celia Kelly）在arXiv发布论文（编号2609.05671，9月4日提交），提出用于锂金属电池电解液理性设计的可微溶剂数值模型框架。

调控Li+溶剂化结构已成为锂金属电池（LMB）电解液的通用设计原则，其中局部高浓电解液（LHCE）是最受关注的候选体系；但分子性质如何决定Li+溶剂化壳层组成，一直缺乏定量理解，制约理性设计。该工作构建基于平均场近似的建模框架，将溶剂化壳层组成表达为可对分子参数求导的函数，从而可用梯度方法直接搜索目标溶剂化结构对应的分子/配方组合。

框架的意义在于把电解液配方开发从穷举试错转向可计算优化：对高浓与局部高浓体系，可定量预测稀释剂比例与锂盐浓度对溶剂化结构（接触离子对CIP、聚集体AGG比例）的影响，并与分子动力学模拟形成闭环校验。该团队此前在电池材料机器学习力场与电解液设计领域已有系列工作，本研究补上了溶剂化结构这一电解液性能核心变量的可微建模环节。

对产业而言，可微建模与自动化实验平台结合，可显著压缩锂金属电池电解液（追求与锂负极兼容的高稳定性体系）的开发周期，是AI for materials在电池化学方向落地的代表性进展。 （来源：arXiv）