当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 北大突破锂电池钴酸锂表面稳定晶格氧研究

北大突破锂电池钴酸锂表面稳定晶格氧研究

2025-04-18 15:57:57 0浏览 收藏

北京大学深圳研究生院潘锋教授团队在锂离子电池正极材料钴酸锂(LCO)的表面稳定性研究中取得突破。针对LCO在高电压下容量衰减的难题,团队通过调控表面锂离子含量,构建了尖晶石相和岩盐相两种LCO材料。研究发现,岩盐相LCO具有更高的晶格氧稳定性,有效抑制了晶格氧损失和表面降解,显著提升了电池循环寿命和高电压性能。该研究成果为开发高性能高压LCO正极材料提供了新的理论依据和技术途径,具有重要的学术意义和应用价值。

钴酸锂(LiCoO2,LCO)作为首批在手机等消费电子产品中商业化的锂电池正极材料,仍然面临着在高电压(>4.55V vs. Li/Li+)下容量衰减的挑战,这成为其进一步发展的关键障碍。容量衰减的原因主要包括不可逆的结构相变、晶格氧(On-)的氧化和损失、表面降解以及与电解液发生的副反应。这些问题会导致晶格畸变和裂纹产生,影响电化学界面的稳定性,从而严重影响电池的循环寿命和性能。为了克服这些难题,研究人员尝试了多种方法来改善LCO的表面结构并减少界面晶格氧的损失,其中最常见的表面改性方法包括构建表面岩盐相和尖晶石相。尽管尖晶石相和岩盐相对LCO表面的调控已有大量研究,但二者对晶格氧稳定性的差异(特别是在长期循环中的电化学行为)仍缺乏系统的比较。因此,全面分析这两种表面相调控策略对LCO长期循环稳定性的影响,对提高高电压循环稳定性至关重要。

北京大学在锂电池正极钴酸锂表面构筑稳定晶格氧提升循环稳定性方面取得研究进展

LCO表面尖晶石相与表面岩盐相中晶格氧在长期循环中的演化机制

最近,北京大学深圳研究生院新材料学院的潘锋教授和赵庆贺副研究员团队取得了重要研究进展。他们通过调控表面Li+含量,在LCO表面构建了尖晶石相(S-LCO)和岩盐相(R-LCO)。通过对循环后的表面相表征、价态分析以及氧空位形成和迁移的理论计算,团队阐明了两种表面相对晶格On-稳定性的差异。研究发现,在4.6V下的长期循环过程中,LCO表面的尖晶石相因晶格氧损失而逐渐退化,最终转变为较厚的Li⁺阻挡相结构;而R-LCO表面的岩盐相中的晶格氧在循环中保持了长期的稳定性,确保了表面Li+的稳定脱嵌。理论计算显示,岩盐相中晶格氧的迁移势垒显著高于尖晶石相。得益于表面晶格氧的稳定化,R-LCO||Li电池在4.6V电压下以1C电流循环1000次后,容量保持率高达78.6%,并在45℃浮充测试中表现出优异的耐久性。这项研究揭示了表面结构调控对提升LCO正极性能的重要性,为开发先进高压LCO正极提供了新的思路。相关研究成果以“Stabilizing Surface Lattice On-(0

该研究在潘锋、赵庆贺和博士后易浩聪的共同指导下完成,北京大学深圳研究生院新材料学院的博士生赵文光为文章的第一作者。该工作得到了电动汽车动力电池与材料国际联合研究中心、广东省新能源材料设计与计算重点实验室、深圳市新能源材料基因组制备和检测重点实验室以及广东省自然科学基金的支持。

理论要掌握,实操不能落!以上关于《北大突破锂电池钴酸锂表面稳定晶格氧研究》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

学Python前你得掌握哪些基础知识?学Python前你得掌握哪些基础知识?
上一篇
学Python前你得掌握哪些基础知识?
PHP在AI领域的应用与未来发展揭秘
下一篇
PHP在AI领域的应用与未来发展揭秘
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    347次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    410次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    411次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    369次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    195次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码