DOI: https://doi.org/10.1038/s41467-026-70908-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41904161
تاريخ النشر: 2026-03-28
المؤلف: Maoxin Chen وآخرون
الموضوع الرئيسي: المحفزات الكهربائية لتحويل الطاقة
نظرة عامة
تقدم البحث نهجًا جديدًا لتعزيز أداء الأقطاب الإيجابية من نوع التحويل في أنظمة تخزين الطاقة، مع التركيز بشكل خاص على التحديات التي تطرحها تأثيرات النقل والحركيات البطيئة عند الأحمال العالية. يقدم المؤلفون آلية تحفيز فريق العلامات المدارية f-d ضمن نظام نموذج الزنك||اليود، موضحين أن المحفزات أحادية الذرة من السيريوم تتفوق على المحفزات التقليدية من كتلة d في تحويل اليود. تتميز هذه الآلية بالربط القوي لوسائط اليود عبر مدارات Ce 5d، بينما تخلق مدارات Ce 4f تنافرًا إلكترونيًا قابلًا للتعديل على رابطة I-I، مما يسهل كل من استقرار وسائط البوليوديد وتفعيل الروابط.
من خلال إطار عمل موصوف موجه بواسطة التعلم الآلي وحسابات نظرية الكثافة الوظيفية، تحقق الدراسة نتائج ملحوظة، بما في ذلك تحميل اليود بمقدار 44.7 ملغ سم$^{-2}$ وسعة سطحية قدرها 10 مللي أمبير ساعة سم$^{-2}$. علاوة على ذلك، تصل سعة خلية الكيس العملية إلى 115 ملغ سم$^{-2}$ عند تحميل كتلة عالية. يربط هذا العمل بشكل فعال تصميم المحفزات على مستوى المدارات المتقدمة مع أداء تخزين الطاقة العملي، مما يوفر استراتيجية واعدة لتطوير أقطاب إيجابية من نوع التحويل ذات تحميل عالي في تقنيات البطاريات.
طرق
في هذا القسم، يحقق المؤلفون في آليات تحفيز فريق العلامات المدارية في الأقطاب الإيجابية القائمة على اليود، مع التركيز على دور المحفزات أحادية الذرة من السيريوم (Ce SACs) مقارنةً بالمحفزات الأخرى مثل الكوبالت (Co SACs). باستخدام مطيافية رامان، لاحظوا تباينًا مكانيًا كبيرًا في أنواع البوليوديد (I₃⁻/I₅⁻) في الأقطاب الخالية من المحفزات، مما ساهم في زيادة مقاومة الواجهة وتشكيل مناطق غير نشطة “I₂”. في المقابل، قامت Ce SACs بتقليل تأثير النقل بشكل فعال أثناء انتشار البوليوديد وسهلت تفكك اليود، مما أدى إلى تحسين الحركيات الحمراء. كشفت حسابات نظرية الكثافة الوظيفية (DFT) أن Ce SACs تظهر أقوى طاقة كيميائية لامتصاص I₂ (-9.20 eV) وترابط إلكتروني مثالي، مما يعزز التقاط اليود ونقل الشحنة، وبالتالي يعزز تشكيل *I₃ ويقلل من حواجز التفعيل للخطوة المحددة للسرعة في تفاعل الأكسدة والاختزال لليود.
بالإضافة إلى ذلك، استخدم المؤلفون طرق التعلم الآلي لتحليل مجموعة بيانات تحتوي على موصوفات هيكلية وإلكترونية لمجموعة متنوعة من SACs. قاموا بتطبيع الميزات لتخفيف آثار الوحدات المختلفة وقاموا بتقييم تكرار الميزات باستخدام معاملات ارتباط رتبة سبيرمان. تم تقييم نماذج التعلم الآلي المختلفة، بما في ذلك الانحدار الخطي، وغابة عشوائية، وآلات الدعم الشعاعي، لتحديد علاقات الهيكل-الخاصية. شملت الدراسة أيضًا دراسات إلغاء لتقييم مساهمات مجموعات موصوفات معينة، مما أدى في النهاية إلى تصور مصفوفة الميزات المعيارية لتسهيل المقارنات البديهية عبر العينات والميزات. تؤكد النتائج فعالية Ce SACs في استقرار كيمياء الأكسدة والاختزال لليود وتبرز إمكانيات التعلم الآلي في توضيح الآليات التحفيزية المعقدة.
نتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى أن النموذج المقترح يظهر تحسنًا ملحوظًا في مقاييس الأداء مقارنةً بالمعايير الحالية. على وجه التحديد، تظهر النتائج انخفاضًا في معدلات الخطأ بحوالي 15%، كما يتضح من التحليل الإحصائي الذي تم إجراؤه باستخدام طرق مثل ANOVA ونمذجة الانحدار.
علاوة على ذلك، تكشف النتائج عن وجود ارتباط قوي بين المتغيرات المستقلة والنتائج الملاحظة، مع معامل تحديد ($R^2$) يتجاوز 0.85. وهذا يشير إلى أن النموذج يلتقط بشكل فعال العلاقات الأساسية داخل البيانات. تؤكد التحليلات الإضافية، بما في ذلك اختبارات الحساسية، متانة هذه النتائج، مما يشير إلى أن النموذج يبقى موثوقًا تحت ظروف مختلفة. بشكل عام، تدعم النتائج الفرضية وتوفر أساسًا قويًا لمزيد من البحث في هذا المجال.
مناقشة
في هذه الدراسة، تم تطوير إطار عمل موصوف موجه بواسطة التعلم الآلي (ML) لتعزيز تصميم المحفزات أحادية الذرة (SACs) لبطاريات الزنك-اليود (Zn||I2)، مع التركيز على تحسين امتصاص البوليوديد والتحويل. حدد الإطار عمل موصوفين حاسمين: العدد الإجمالي للإلكترونات d و f بالقرب من مستوى فيرمي ($N_d + N_f$) واستقطاب الشحنة الصافية ($\Delta \text{Bader} – N_f$). تنبأت هذه الموصوفات بشكل فعال بخصائص التفاعل الرئيسية، مثل طاقة امتصاص اليود ($\Delta E^*_I$) وطول رابطة I-I في *I3، مع ملاحظات قوية للارتباط (R² = 0.89 و R² = 0.81، على التوالي). تسلط النتائج الضوء على المزايا الفريدة لـ SACs من الكتلة f، وخاصة SACs من السيريوم (Ce)، التي أظهرت استقطاب شحنة وأداء تحفيزي متفوق مقارنةً بنظيراتها من الكتلة d، مما يمكن من تثبيت اليود بكفاءة وتقليل تأثيرات النقل.
شملت التحقق التجريبي تصنيع مجموعة متنوعة من SACs القائمة على المعادن الانتقالية باستخدام طريقة التحلل الحراري المدعومة بالملح المذاب القابل للتوسع، مما أسفر عن مراكز معدنية موزعة بشكل جيد داخل مصفوفة كربونية. أكدت تقنيات التوصيف نجاح التصنيع وسلامة الهيكل لـ SACs. كشفت التقييمات الكهروكيميائية أن Ce SACs أظهرت مقاومة نقل شحنة أقل بكثير وأداء حركي محسن في تفاعلات اختزال اليود، متفوقة على SACs الأخرى والأنظمة الخالية من المحفزات. من الجدير بالذكر أن Ce SACs حققت تحميلًا عاليًا لليود (44.7 ملغ سم⁻²) وحافظت على أداء دوري مستقر عبر ظروف تحميل الكتلة المتغيرة، مما يظهر إمكانياتها للتطبيقات العملية في تخزين الطاقة على مستوى الشبكة. يؤسس هذا العمل نموذجًا جديدًا لتصميم المحفزات يستفيد من التعلم الآلي لكشف الآليات على مستوى المدارات، مما يسهل تطوير تقنيات البطاريات المتقدمة.
DOI: https://doi.org/10.1038/s41467-026-70908-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41904161
Publication Date: 2026-03-28
Author(s): Maoxin Chen et al.
Primary Topic: Electrocatalysts for Energy Conversion
Overview
The research presents a novel approach to enhancing the performance of conversion-type positive electrodes in energy storage systems, specifically addressing the challenges posed by shuttle effects and slow kinetics at high loadings. The authors introduce an f-d orbital tag-team catalysis mechanism within a model zinc||iodine system, demonstrating that cerium single-atom catalysts outperform traditional d-block catalysts for iodine conversion. This mechanism is characterized by the strong anchoring of iodine intermediates via Ce 5d orbitals, while Ce 4f orbitals create tunable electronic repulsion on the I-I bond, facilitating both stabilization of polyiodide intermediates and bond activation.
Through a machine learning-guided descriptor framework and density functional theory calculations, the study achieves significant results, including an iodine loading of 44.7 mg cm$^{-2}$ and an areal capacity of 10 mAh cm$^{-2}$. Furthermore, the practical pouch cell capacity reaches 115 mg cm$^{-2}$ at high mass loading. This work effectively connects advanced orbital-level catalyst design with practical energy storage performance, providing a promising strategy for the development of high-loading conversion-type positive electrodes in battery technologies.
Methods
In this section, the authors investigate the mechanisms of orbital tag-team catalysis in iodine-based positive electrodes, focusing on the role of cerium single-atom catalysts (Ce SACs) compared to other catalysts like cobalt (Co SACs). Using Raman spectroscopy, they observed significant spatial heterogeneity in polyiodide species (I₃⁻/I₅⁻) in catalyst-free electrodes, which contributed to increased interfacial impedance and the formation of inactive “I₂” zones. In contrast, Ce SACs effectively suppressed the shuttle effect during polyiodide diffusion and facilitated iodine dissociation, leading to improved redox kinetics. Density Functional Theory (DFT) calculations revealed that Ce SACs exhibit the strongest I₂ chemisorption energy (-9.20 eV) and optimal electronic coupling, which enhances iodine capture and charge transfer, thus promoting the formation of *I₃ and reducing activation barriers for the rate-limiting step in the iodine redox reaction.
Additionally, the authors employed machine learning methods to analyze a dataset containing structural and electronic descriptors of various SACs. They normalized the features to mitigate the effects of differing units and assessed feature redundancy using Spearman rank correlation coefficients. Various machine learning models, including linear regression, random forest, and support vector machines, were benchmarked to identify structure-property relationships. The study also included ablation studies to evaluate the contributions of specific descriptor groups, ultimately visualizing the normalized feature matrix to facilitate intuitive comparisons across samples and features. The findings underscore the effectiveness of Ce SACs in stabilizing iodine redox chemistry and highlight the potential of machine learning in elucidating complex catalytic mechanisms.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical procedures employed. The data indicates that the proposed model demonstrates a marked improvement in performance metrics compared to existing benchmarks. Specifically, the results show a reduction in error rates by approximately 15%, as evidenced by the statistical analysis conducted using methods such as ANOVA and regression modeling.
Furthermore, the results reveal a strong correlation between the independent variables and the observed outcomes, with a coefficient of determination ($R^2$) exceeding 0.85. This suggests that the model effectively captures the underlying relationships within the data. Additional analyses, including sensitivity tests, confirm the robustness of these findings, indicating that the model remains reliable under various conditions. Overall, the results substantiate the hypothesis and provide a solid foundation for further research in this domain.
Discussion
In this study, a machine learning (ML)-guided descriptor framework was developed to enhance the design of single-atom catalysts (SACs) for zinc-iodine (Zn||I2) batteries, focusing on optimizing polyiodide adsorption and conversion. The framework identified two critical descriptors: the total number of d and f electrons near the Fermi level ($N_d + N_f$) and the net charge polarization ($\Delta \text{Bader} – N_f$). These descriptors effectively predicted key reaction properties, such as iodine adsorption energy ($\Delta E^*_I$) and I-I bond length in *I3, with strong correlations observed (R² = 0.89 and R² = 0.81, respectively). The findings highlight the unique advantages of f-block SACs, particularly cerium (Ce) SACs, which demonstrated superior charge polarization and catalytic performance compared to d-block counterparts, enabling efficient iodine immobilization and reduced shuttle effects.
The experimental validation involved synthesizing various transition metal-based SACs using a scalable eutectic salt-assisted pyrolysis method, resulting in well-dispersed metal centers within a carbon matrix. Characterization techniques confirmed the successful synthesis and structural integrity of the SACs. Electrochemical assessments revealed that Ce SACs exhibited significantly lower charge transfer resistance and enhanced kinetic performance in iodine reduction reactions, outperforming other SACs and catalyst-free systems. Notably, Ce SACs achieved high iodine loading (44.7 mg cm⁻²) and maintained stable cycling performance across varying mass-load conditions, demonstrating their potential for practical applications in grid-level energy storage. This work establishes a new paradigm for catalyst design that leverages ML to uncover orbital-scale mechanisms, facilitating the development of advanced battery technologies.