突破“黑箱”困境:新型瞬态干涉光谱技术实现锂电池分子键敏探针

作者:发布时间:2026-06-09


01成果速递

华东师范大学精密光谱科学与技术国家重点实验室、精密光谱科学与技术高等研究院曾和平教授团队在超快激光精密检测领域取得进展,实现了对锂电池电极材料浓度分布、多尺度结构演变、副产物氧化锂与活性锂化合物的原位检测。该研究成果以《Transient interference-based spectroscopy for a molecular-bond-sensitive probe of lithium ion batteries》为题,发表于能源领域期刊《Energy & Environmental Science》(IF=30.8),并被该期刊编辑部选为内封面论文。

1 三光丝等离子体光栅键敏探针

02研究背景

随着全球能源转型加速,锂离子电池的性能与安全性成为制约电动汽车和大规模储能发展的关键。锂离子电池系统的整体性能和安全性主要取决于电极材料,包括其化学成分、晶体结构、表面形态和元素分布等。然而,长期以来,科学家始终缺乏一种能够在真实工作条件下、实时原位追踪锂离子迁移和电极材料结构演化的有效手段。尤其是对导致电池容量衰减的有害副产物——氧化锂(Li₂O)的动态形成过程,现有技术几乎无能为力。

03研究亮点

研究团队创新性地发展了一种瞬态干涉光谱技术(Transient interference-based spectroscopyTIBS)的新型分子键敏感探针技术,成功打开了观察电池内部黑箱的原子级窗口。

极端光场:直接“炸开”分子键

TIBS技术的核心在于利用三个飞秒激光脉冲的非线性干涉,在空气中构建出结构化的等离子体光栅通道。与传统的飞秒光丝(直径约100微米)不同,这些通道的宽度被压缩至几个微米,能将激光峰值强度提升至1014 W/cm2以上——这是飞秒单光丝在空气中难以达到的强度水平,产生与分子内电场相当的极端电场。

在这种极端场强下,激光会通过隧穿电离直接断裂材料的分子键,并触发库仑爆炸——分子在瞬间失去多个电子后因强烈的静电排斥力四分五裂。与传统的激光诱导击穿光谱(LIBS)不同,TIBS的独特之处在于:这一剧烈过程能够保留原始分子结构的指纹信息,使得研究人员可以通过分析爆炸后产生的原子和离子碎片的光谱特征,反推出材料原本的化学状态和局部环境,而不受复杂的电极基体效应干扰。

精准识别:从Li₂O0.3%的浓度变化

实验表明,TIBS技术能够清楚地区分电池中有活性的锂化合物与有害的副产物Li₂O。在Li₂O的光谱中,锂元素在460.3 nm497.2 nm处的特征峰强度远高于在LiFePO₄LiCoO₂中的强度。这是因为Li₂O中的氧负离子更容易被直接电离,导致更剧烈的库仑爆炸,从而产生更强的锂信号。这一差异充分体现了TIBS对不同化学键状态的高度敏感性。

研究团队进一步将TIBS与光谱重构(SR)和反向传播人工神经网络(BP-ANN)等机器学习算法相结合。光谱重构方法能够有效降低背景噪声、增强信号特征,将校准曲线的线性相关系数从0.93提升至0.99。在此基础上,神经网络模型对5个不同浓度梯度的样品进行识别,结果显示该方法能够精准识别低至0.3%的锂浓度变化,平均识别准确率达到94.7%。由于锂浓度变化直接对应于电极材料中Li-O键和Co-O键(或Fe-O键)的原子级键长变化,这意味着TIBS实际上具备了识别原子尺度结构差异的能力。

深度剖析:从表面到内部

与许多仅能分析表层信息的传统技术不同,TIBS还具备深度剖析能力。通过调节脉冲能量和累积脉冲数量,每个激光脉冲可以烧蚀一个薄而局域的体元,连续累积脉冲可以实现从电极表面到内部的逐层探测,获取随深度变化的成分与结构信息。这对于研究电极厚度方向上的非均匀脱锂和界面副反应至关重要,而这些正是影响电池循环寿命和安全性的关键因素。

通用方法:痕量检测

TIBS技术不仅适用于LiFePO₄LiCoO₂Li₂O,研究团队指出,该技术具有广泛的普适性:原则上可以检测任意元素,适用于软材料、有机组分、聚合物等多种材料体系,并可分析固体、气体、液体几乎全物态的样品。对于电池领域而言,它可以很方便地检测薄膜、厚电极、粉末(压片)等多种形式的样品。

通过整合理论建模、实验诊断与机器学习,TIBS为锂离子电池电极材料提供了一种快速、高精度的综合检测方法。它不仅能够用于电池组件的质量与安全控制,还可实现电池性能的快速监测和健康状态判定,并为下一代高能量密度储能系统(如涉及阴离子氧化还原反应的复杂正极材料)的开发提供了关键的原子尺度结构分析工具。

2 瞬态干涉光谱技术示意图

04总结与展望

本研究通过构建瞬态等离子体光栅结构,显著提升了峰值激光强度与电子密度,为实现隧穿电离与库仑爆炸驱动的分子键断裂创造了必要条件。由此产生的特征光谱在保留分子水平特异性的同时,结合机器学习算法,能够在原子尺度上实现精准追踪锂分布及有害副产物Li₂O。这一突破标志着分析光谱学迈出了重要一步,成功弥合了传统元素分析与分子水平内在检测能力之间的长期鸿沟,为高精度、高通量的电池状态诊断提供了全新的技术路径。

论文信息

该研究由华东师范大学胡梦云副教授和博士研究生万恩来为共同第一作者,曾和平教授担任通讯作者。研究工作获得了国家科技部重点研发计划、国家自然科学基金、上海市科学技术委员会、重庆市科技局、海南省科学技术厅以及华东师范大学的联合支持。

2741544f-f07c-488d-87b8-2f3af4833547.png

图3 曾和平团队发表在《Energy & Environmental Science》的期刊封面

Transient interference-based spectroscopy for a molecular-bond-sensitive probe of lithium ion batteries[J]. Energy & Environmental Science, 2026.  DOI10.1039/d5ee07740k http://xlink.rsc.org/?DOI=D5EE07740K