近日，我校物理与电子信息工程学院李新宇研究员、肖剑荣教授团队在顶级期刊《Advanced Materials》（中科院一区TOP期刊，2024年影响因子27.4）上发表题为“Modularized Cathode with Neural Network Topology for High Rate and Fault-Tolerant Lithium-Sulfur Batteries”的学术成果。该研究成果首次提出了电极的容错策略并阐明了其作用机制，为储能电池的设计与安全性提供了全新的视角。
高倍率锂硫电池的研发面临诸多核心技术难题，主要包括硫的氧化还原动力学缓慢、多硫化物的穿梭效应、硫及其放电产物硫化锂的绝缘特性，以及充放电过程中引发的显著体积膨胀。突破这些瓶颈的关键在于将电极设计与锂硫体系固有特性精准耦合。本研究通过构建具有嵌入纳米酶的微反应器单元对其进行有序排序和高效互连，设计了一种具有全连接级联神经网络拓扑结构的新型电极系统（CoB1N3-MR/FNN）。该系统不仅实现了单个反应器内的高效能量转换，而且显著提高了电极的长程电荷传输效率和能量聚集能力，且可通过分布式储能单元和冗余电荷传输通道实现对局部损伤的容错。这种用于能量转换和电荷传输的协同增强电极系统具有高比放电容量，并在高硫负载、低电解质和柔性袋电池中表现出优异的电化学性能，具有广泛的实际应用价值。
该研究工作得到国家自然科学基金（12164013）的支持。我校为第一完成单位，我校物理与电子信息工程学院李新宇研究员、肖剑荣教授，厦门大学彭栋梁教授、湖南大学段曦东教授为论文共同通讯作者，第一作者为我校物理与电子信息工程学院2022级硕士研究生郭鹏博。
CoB1N3-MR/FNN电极系统的工作机理及表征分析
(一审：朱鹏飞；二审：肖剑荣；三审：张富文）
