深圳商报·读创客户端记者 刘娥
今年5月，清华大学深圳国际研究生院材料研究院副院长周光敏团队的成果登上《自然》杂志：提出硫电化学“预分子介体”概念，用“量子化学+机器学习”驱动的分子骨架编程，从196种候选分子中筛出 4-三氟甲基-2-氯嘧啶，在14.2 Ah级锂硫软包电池中实现549 Wh/kg能量密度。
近日，在深圳宝安举行的第六届先进电池产业集群论坛现场，接受记者采访时他把这件事讲得平实而朴素：“锂硫电池的难点，不是理论能量密度够不够高，而是怎样把理论优势转化成稳定、可用的实际性能。”从分子设计到退役电池回收，他一直在探索先进电池创新路径，力求实现电池研发全生命周期闭环。
从拦住到唤醒：在电解液里待命的分子
锂硫电池的挑战出在“固—液—固”多相转化上。周光敏这样描述：硫在放电过程中不是“一步到位”地转化为固相产物硫化锂，而是会经历一系列液相中间体，也就是多硫化物。“这个过程就像一条充满许多中转站的运输路线，如果中间站点管理不好，有些货物就会跑到不该去的地方，也就是多硫化物穿梭；有些路段又很拥堵，反应速度很慢”。
过去十几年，学界通常采用吸附、拦截、物理阻挡的方式约束这条路线上的多硫化物。然而，“拦住跑偏的货物固然重要，如果不解决‘反应堵车’的问题，硫转化反应网络依然不能变得有序和高效”。周光敏如是说道。他带着博士生高润华、硕士生祝伊飞换了一条路——在电解液中引入一种平时“沉睡”、遇多硫化物才被原位唤醒的预分子介体。
“我们首先加入了一个‘预分子介体’，它本身是非活性的，平时在反应前线处于‘待命状态’；但与扩散出来的多硫化物相遇时，会被原位‘唤醒’，转化为主动重塑硫反应网络的活性介体。”活化后的介体通过动态分子间配位作用与多硫化物络合形成低溶解度团簇，既能为防止多硫扩散“筑坝修堤”，又能激活快速电荷转移通道，改变经典硫转化路径，相当于为电化学反应修建了一条“高速公路”。
团队把预分子介体分子骨架上的官能团当成“分子积木”，基于“量子化学+机器学习”的分子骨架编程方案对 196 种候选分子逐一打分，最终锁定 4-三氟甲基-2-氯嘧啶。相关测试显示，该预分子介体可使锂硫电池电荷转移阻抗较常规电解液下降约 75%，并在高硫载、贫电解液条件下把 14.2 Ah 级锂硫软包电池能量密度推到 549 Wh/kg。
“它直接的应用场景，就是对重量特别敏感、又特别需要高能量密度的装备。”高端无人机、电动垂直起降飞行器都在这份名单上——电池既是能源也是负载，能量密度上去就能换来更长航时。
从试错到可预测：AI成了实验室新同事
“过去我们做电池材料，确实带有比较强的经验性。”周光敏坦言，知道某类官能团可能有效，就合成分子、做实验、再修改；当候选分子数目涨到几百上千种，“完全依靠实验逐一试错，效率就会越来越低”。
在分子骨架编程里，AI帮团队筛选不同位点、官能团的作用机理，压缩试错成本。这项耗时两到三年的工作，最难的一步不在算法，而在于跨学科交叉。周光敏告诉记者，真正把人工智能方法用于具体电化学问题，不仅要理解算法，还要充分认识材料体系和反应过程。为此，团队在合作与人才培养中逐步积累了相关经验，让不同背景的同学在材料设计、理论计算、机器学习到性能优化等多个环节深度合作，持续攻关，最终才将AI与实验的拼图咬合在一起。
但他强调边界：“我不认为AI会代替实验。”真正的性能最终要回到器件中验证，“AI的价值，是帮助我们减少大量低效率的试错，把实验资源集中到更有希望的候选材料上”。
从诊断到修复：AI助力退役电池“重生”
高比能电池解决“飞得更远”，回收解决“退得其所”。AI的应用，也延伸到了电池生命周期的另一端。不同于通过湿法冶金溶解正极材料、回收其中金属的路径，周光敏团队探索的是直接修复与升级回收路线——尽可能保留正极材料原有结构，追溯失效源头，通过补锂、修复晶格缺陷，让退役材料重新发挥作用。
他打了个比方：“就像衣服破了个洞，我就直接把这个洞补上，或者再进行一些修饰，把它变成更高级的衣物。”修复后的材料性能可与商业正极相当；若走升级路线，“容量更高、截止电压更高、快充性能更好，理论上应该超过传统商业正极材料”。
这些探索要走出实验室，还需要解决更精细的拆解与分离等工程问题。站在深圳这片产业高地上，周光敏更看重高校与企业能否尽早对接。“高校成果转化最关键的一点，是不能等到论文发表以后才去寻找应用场景。”企业清楚产品需要什么，高校擅长从机理源头提出新解法，“双方如果能够共同定义问题，就会比单纯的技术转让更加有效”。
让分子在反应现场“醒来”，让退役正极材料“补料重生”，AI的价值也在这些具体问题中逐渐显现。在周光敏看来，突破往往发生在材料科学、电化学、人工智能与工程制造的交叉点上：“谁能够把这些环节真正连接起来，谁就更有机会形成新的优势。”
（图片由受访者提供）
