近日，哈尔滨工业大学王家钧教授团队的AMR述评文章 “Tracking Battery Dynamics by Operando Synchrotron X-ray Imaging: Operation from Liquid Electrolytes to Solid-State Electrolytes” 在线发表，着重讨论了原位同步加速器X射线成像方法，及其在液态电解质体系到固态电池体系中的新兴应用，阐明传统的固-液电池动力学到新兴的固-固电化学转变中对应的科学问题。

王家钧教授课题组合影

文章内容简介

锂离子电池由于较高的能量密度已经在便携式电子产品中得到广泛的应用。然而，其在电动汽车和电网储能方面的潜在应用亟需更高的能量密度(>500 Wh/kg-1)。固态电池使用高安全的固体电解质取代易燃的液态(有机)电解质，同时复兴超高能量密度的金属锂负极，极有可能实现这一目标。然而，固-固界面缓慢的锂离子传输严重影响了电池实际反应中的电化学动力学。此外，与相对完整的固液电化学基础理论不同，固态电池中的固固界面电化学基础理论和模型仍然不清晰，难以指导电池性能的优化和提升。因此，设计更好的下一代电化学储能器件仍然是一个巨大的挑战。

同步辐射X射线成像技术由于其元素敏感性高、穿透性强及能够实现无损检测优点，逐渐受到人们的关注。基于其衍生的纳米断层成像技术，可以提供从表面到体相的三维空间形态信息，精准映射真实的物相本体结构。此外，结合X射线吸收光谱成像技术，可以呈现化学和相位演变信息，包括氧化状态、局域环境等，解决了传统X光吸收光谱中只能获取平均信息的问题。目前，该技术的最高空间分辨率可达到20纳米以下。基于X射线成像技术，我们可以通过一个现场充放电装置研究不同充放电状态和循环次数下的材料、电极形态变化与化学演化的相关性。此外，X射线成像使得大而厚的样品具有广阔的视野，在统计学上揭示真实电池系统的内部反应动力学。 在这篇文章中，我们着重讨论了原位同步加速器X射线成像方法，以及其在液态电解质体系到固态电池体系中的新兴应用，阐明传统的固-液电池动力学到新兴的固-固电化学转变中对应的科学问题。主要包括以下三方面：首先，讨论了同步辐射X射线成像的方法论和原位电池测试中的挑战，包括成像原理、装置设计和实际实验中的影响因素。第二，综述了同步辐射X射线成像技术在从液态电解质到固态电解质电池体系发展中所面临的挑战。第三，我们强调了基于X射线透射成像解析电池反应动力学中的共性科学问题，特别介绍了我们团队的最新进展和新发现。总的来说，我们的综述论文包括原位成像技术的基本原理，及其在两种电池系统中的实际应用和科学问题理解，将有效指导下一代电池的研究和开发。

请问您选择该领域的初心是?

王家钧教授：新能源技术被认为是21世纪的高新技术，电池行业作为新能源领域的重要组成部分，已成为全球研究热点。我所在的哈工大电化学工程系，自上世纪60年代建系开始，紧密围绕国家需求，从早期的铅酸电池、镉镍电池、镍氢电池，到后来的锂电池、燃料电池，经历了整个中国电池工业的研发历史。受其影响，我从读书开始，就希望未来能在下一代电池技术方面，做出一点自己有意义的贡献。因此，在任美国布鲁克海文国家实验室及阿贡国家实验室同步辐射光源线站科学家期间，结合自己在电化学方面的背景，努力将同步辐射X射线多维成像技术，应用于电池的基础研究和工程应用领域。回国前，我的研究工作主要围绕传统液态电池体系，揭示电极材料在电化学过程中的反应机理。目前，不论是科研界还是产业界，都对电池的安全性和能量密度提出了新要求，应用不可燃固体电解质的全固态电池被认为是最具前景的下一代电池体系。但固态电池中的问题也很多，尤其是固-固界面问题严重限制了固态电池的实际性能发挥。同时，对固态电池体系中的界面表征非常困难，常规的表征手段受限于时间、空间等诸多外部因素影响，难以客观揭示固态电池体系内部的真实情况。因此，回国后，我们团队聚焦固态电池领域，利用X射线同步辐射成像技术，建立针对固态电池体系的表征和分析方法，对其展开深入研究，揭示固态电池的失效机理，从而指导固态电池的设计和开发，希望通过我们的研究工作切实推动固态电池的发展及应用，为新能源领域贡献一份力量。

请和大家分享一下这个领域可能会出现的研究机会?

王家钧教授：

近年来，得益于同步辐射光源成像技术及先进电池体系的持续发展，同步辐射X射线成像技术可以实现从微米尺度到纳米分辨的跨尺度三维无损成像。尽管其在液、固态电池体系及电极材料-性能构效关系解析上得到了广泛应用研究，并阐明了诸多科学性问题。然而，我们认为同步辐射X射线成像在固态电化学中的应用仍有待完善，一方面是对于该技术如何实现高时间-空间分辨率，从而捕捉更准确的电化学反应步骤。我们知道在持续充放电过程中相变过程通常是非常短暂的，因此高时间分辨率是必不可少的。另外，目前成像技术在数据有效采集时间内的空间分辨率仍然不能精确地俘获暂态的结构和化学信息，这将成为相关研究人员不断追求的研究方向和目标。另一方面，我们认为将同步辐射X射线成像结合机器学习(深度学习)实现图像智能识别这一前沿领域存在许多研究机会。结合机器学习数据分析策略开发先进的数据挖掘方法，可以有效提高数据的质量和可靠性，同时不断优化核心算法可以提高结构和化学信息的准确性。我们也同样期待能够在这些领域做出重大突破。

您认为该领域当前最值得关注/最有争议的研究热点是什么?

王家钧教授：

图像智能分析与精准预测。电池的性能与电极材料中各组分的空间分布密切相关。因此，深入理解电极中不同组分的形貌、力学以及电化学变化有利于我们深度解析电池中的电化学问题。然而，目前的同步辐射成像技术往往对电极材料中低对比度的组分难以精准识别和分割，不利于我们区分电极中各组分的变化。同时，基于三维电极结构的半真实模型极度依赖于图片信息的精确切割和定量分析，所以通过深度学习指导，协助计算机实现低对比度区域成像结果的精准分割，将会进一步帮助我们采用多种综合手段模拟和理解电极材料中组分、空隙以及形态演变对电池性能影响机制等多种科学问题。

固态电池跨尺度的无损分析。通常，固态电池在运行过程中，电极材料在多尺度的界面及内部空间尺度上会存在电化学反应不均匀现象，此类不均匀的反应对电极材料颗粒所产生的影响不同，具体表现为颗粒荷电态、应力、乃至碎裂程度等结果。常规的表征方法很难穿透真实的电池样品、实验数据的信息量有限，难以反映最真实的电极反应动力学。利用同步辐射X射线成像技术可以获得大视场多层级的海量实验数据，能够进行深入的筛选和分类。实验结果更具说服力，能够揭示电极尺度的最真实反应状态，从而指导电极反应动力学的解析和调控。

工业级退役电池诊断。随着新能源产业(电动汽车、电网储能等)的蓬勃发展，动力电池的更换和退役数量越来越多，如何来对这些退役电池进行整体诊断和评估，得出再利用价值和方向显得尤为重要。此时，同步辐射X射线成像技术则显示出了优异性，利用该技术可以协助电池智能检测，进行批次筛分，推动电池的梯次利用和再生利用。此外，利用该技术可以对健康电池进行故障诊断及分析，例如电动汽车和储能电池的安全问题日益突出，那么我们可以通过同步辐射成像技术无损检测电池结构的健康状态，来减少甚至避免电池安全问题的发生，从而实现更高效的电池健康诊断和筛分。