机器学习！南京航空航天大学「国家高层次人才」申来法Science子刊 | 机器学习辅助发现高性能的外向内结构富镍正极！

随着电动汽车和大型储能设备市场扩张，对锂离子电池的能量密度、成本和可持续性提出更高要求。高镍层状氧化物（镍含量≥90 mol%）因高比容量和低成本被视为有前景的正极材料，但在循环中面临微裂纹、相变和界面副反应等退化问题。传统依赖钴稳定结构，但钴资源稀缺，低钴/无钴成为趋势。南京航空航天大学申来法教授团队通过机器学习（随机森林模型结合SHAP分析）从文献数据中预测并筛选出Al³⁺和Sn⁴⁺作为高性能高镍正极（LiNi₀.₉₃Co₀.₀₇O₂）的理想共掺杂离子。研究发现，非磁性Al³⁺和Sn⁴⁺通过竞争性掺杂机制形成由外至内结构：Sn⁴⁺表面富集形成界面层，Al³⁺均匀掺杂体相，有效缓解Li/Ni阳离子混排，抑制有害晶格应变，提升界面稳定性。电化学测试表明，改性NCAS正极在4.3 V下循环200周后容量保持率96.9%，电压衰减极小。该工作为高电压、高温下高镍正极结构调控提供新思路，并开辟数据驱动途径。