层状氧化物，是锂离子电池中应用最为广泛、也最具潜力的商用正极材料之一。
深入揭示其失效机制，对于开发下一代高性能锂离子电池正极材料至关重要。
然而，迄今为止，相关领域对这类材料的有害相变和力学失效机制及其对电池性能的影响，仍缺乏原子尺度的深入认识。
中国科学院金属研究所王春阳研究员（2019-2023 年期间在美国加州大学和布鲁克海文国家实验室开展博后研究）致力于解决这一全球电池领域的重大挑战。
他与合作者通过融合深度学习与原子分辨率扫描透射电镜成像，开发出超分辨透射电镜成像技术，并利用该技术深入揭示了锂离子电池层状氧化物正极材料中的复杂相界面结构、相变失效机制和力学失稳机制。
因在人工智能透射电镜技术的开发与应用，以及层状氧化物失效机制研究和新材料开发方面的重要贡献，他成为 2023 年度《麻省理工科技评论》“35 岁以下科技创新 35 人”中国入选者之一。
揭示锂电层状氧化物正极的失效机制，用于指导下一代电池正极材料研发
锂离子电池是当下电动汽车中最常用的能源存储解决方案之一。而层状氧化物正极材料在锂离子电池中扮演着关键角色。
目前，这类材料在电池充放电循环过程中面临着巨大挑战，即层状氧化物会不可避免地发生一系列复杂相变退化和与应力失效问题。
特别是对于现有的高镍层状氧化物正极而言，电动汽车的初始续航里程越高，其性能衰减速度反而越快。
也就是说，锂电层状氧化物正极的能量密度与循环稳定性存在倒置关系，二者“鱼与熊掌不可兼得”。
“如何才能让电动汽车既拥有高的初始续航里程，又能在电池充放电上千次后依然保持 80% 甚至更高的容量，是当下电池领域科学家最想解决的问题之一。要攻克这一挑战，我们第一步需要做的是弄清楚现有的材料是如何失效，或者说如何坏掉的。”他表示。
针对此，他和合作者基于超分辨透射电镜成像技术，在纳米-原子尺度对层状氧化物的相变退化和力学失效机制进行了系统深入研究。
他们在原子尺度揭示了层状氧化物中脱锂-晶格失稳导致的 O3→O1 相变，发现在嵌锂过程中 O3→O1 相变并非完全可逆，且相界面失配位错的生成为岩盐相和裂纹的萌生提供了优先形核位点[1,2]。
进一步地，他们将研究拓展到商用氧化物正极材料上，观察到晶格剪切失稳诱发的 O1 相变，并成功解析出 O1-O3 两相界面的复杂原子构型[3]。
“该成果是首次在原子尺度揭示了层状氧化物中的脱锂-晶格剪切生成的相界面结构。”他说。
围绕 O1 相变，他们还结合原位电镜和电子层析三维重构技术，发现了 O1 相→岩盐相的新相变机制，并率先解析了层状氧化物中裂纹的三维组态及其与相变的内在关联[4]。
另外，他们还发现了层状氧化物中的应力诱导相变机制，颠覆了多尺度开裂是层状氧化物力学失稳的唯一模式的传统认知，从而在层状氧化物的力学形变与相变之间建立起一座桥梁[5]。
该系列研究全面揭示了层状氧化物中的 O3→O1 相变机理、界面结构及其对材料的结构性能退化的影响，为下一代正极材料的优化设计提供了重要的理论支撑。
例如，基于上述基础研究方面的突破，王春阳与合作者分别设计出比商用锂电正极 NMC-811 性能更优异的多组元掺杂的零应变无钴高镍层状氧化物正极材料[6]，以及比商用 NMC-532 性能更优异的中低镍含量的无钴层状氧化物[7]。
“NMC-811 是目前电动汽车动力电池中被广泛使用的主流商用正极材料。我们开发出的新型高镍正极材料的初始容量与 NMC-811 相当，但在循环 1000 圈后，它的容量保持率仍能达到 85% 以上，远高于后者。也就是说我们成功打破了现有高镍正极材料的容量与循环稳定性的倒置关系。”他表示。
得益于对层状氧化物失效机制的新认识，新型层状氧化物正极材料的研发周期被大大缩短。
“我们的研究证实了 O1 相并非像传统研究所认为的那样无足轻重，我们发现 O1 相既能加剧结构退化，又能加剧力学失稳，因此它是一个不折不扣的有害相。有了这一新认识，我们现在只需要把正极材料放到电池中跑上一两圈，从生成的 O1 相的多少就可以大致推断出这个材料的稳定性，从而大大缩短了材料性能的评估周期。”他表示。
他继续说道：“更为重要的是，考虑到 O1 相变的本质是晶格剪切，我们就从层状氧化物的特点出发，‘因地制宜’地设计出了一种能抑制晶格剪切、降低材料应变的材料改性策略—多组元掺杂技术。这一技术使得我们能在不损失初始容量的前提下，显著提升高镍层状氧化物正极的循环寿命。”
先进电子显微学表征技术在解决能源领域核心科学问题、开发新材料过程中扮演着重要角色。
他之所以能取得上述一系列成果，得益于他的电子显微学专长，尤其是对于超分辨透射电镜成像技术的开发和应用。
“该技术是人工智能与先进透射电镜表征技术的交叉融合，为层状氧化物正极材料的基础研究打开了一扇新的大门。”他说。
层状氧化物的特殊之处在于，当锂离子一旦被从晶格中拔出来，材料就会发生非均匀体积变化和局部相变，而随之产生的晶格畸变会导致采集到的原子分辨率图像变得模糊不清、无法解读，这给电子显微学家“看清”并揭示材料的结构带来了致命挑战。
为此，王春阳与合作者充分发挥卷积神经网络在图像分割方面的优势，将其与原子分辨率透射电镜成像技术结合，开发出了人工智能辅助的超分辨成像技术，实现了层状氧化物正极材料的晶体结构与缺陷的高精度成像与分析。
“目前这一技术的表现非常出色，甚至已经超出了我们最初的预想。下一步，我们希望利用人工智能技术实现材料结构的原子尺度智能化分析，这是我们未来努力的方向之一。”他说。
除此之外他与合作者也在全固态锂电正极材料的原子尺度失效机制方面取得了重要进展。
他们发现表面“晶格碎化”和剪切相变共同导致了层状氧化物的结构性能退化[8]，这一机制与传统液态电池中有着显著差别，有望为全固态电池的正极-电解质界面优化设计提供理论指导。
