汤富杰&程俊团队，JACS！

背景：核磁共振（NMR）谱是表征电解液溶剂化结构的重要无损手段，但将实验观测的NMR谱变化与内在分子结构变化直接关联极具挑战。研究目的：厦门大学与嘉庚创新实验室团队旨在开发一种基于机器学习的方法，以精准预测双氟磺酰亚胺锂/二甲醚（LiFSI/DME）电解液中的动态⁷Li核磁共振化学位移，并解析其与溶剂化结构的关系。结论：该研究成功构建了联用机器学习势和神经网络的模型，实现了对LiFSI/DME溶液动态NMR谱的高精度预测，揭示了⁷Li化学位移随浓度增加先向高场移动（1-3 M）后反转向低场移动（4 M）的现象，并通过主成分分析等阐明了该现象源于接触离子对和聚集体等溶剂化结构主导地位的交替变化。该方法为理解电解质结构与光谱关系提供了新视角，有望拓展至其他复杂体系。