向鋰硫電池中引入高活性催化劑，例如過渡金屬化合物（TMC），已被證明是提高反應動力學的有效策略。TMC的金屬中心具有部分填充的d軌道，被認為是催化反應的活性中心，其與多硫化鋰中硫p軌道之間的d-p軌道雜化狀態，已被廣泛用于分析催化效應機制。然而非金屬與多硫化鋰中鋰之間的相互作用，雖然在不同TMC催化劑中普遍存在，卻一直缺乏深入理解。

在此，清華大學深圳國際研究生院周光敏教授團隊基于密度泛函理論與機器學習算法，提出可用于篩選鋰硫電池TMC催化劑的二元描述符。該二元描述符由能帶匹配指數（IBand）與晶格錯配指數（ILatt）組成，分別描述了電子狀態與幾何結構對于催化效應的貢獻。文章以鎳基TMC催化劑為模型體系驗證二元描述符，成功揭示了TMC催化劑非金屬位點在多硫轉化動力學中的作用。研究發現IBand與ILatt分別與吸附過程及反應過程相關聯，具有適中IBand與最小ILatt的NiSe₂，被預測可有效提升硫反應動力學。

經實驗驗證，基于NiSe₂組裝的鋰硫電池，可在15.0 mg cm^-2的硫面負載或-20℃的低溫下實現良好的循環穩定性，并且采用添加NiSe₂的正極，可在高硫載量與貧電解液條件下，構筑402 Wh kg^-1的軟包電池。

圖1. 從電子效應角度揭示TMC催化劑中非金屬的影響機制

總之，該工作應用DFT在考慮催化體系的電子和結構特性的同時鑒定了經過實驗驗證的BD，以指導鋰硫電池高效催化劑的設計，并且提出IBand和ILatt作為篩選鋰硫電池中TMC催化劑的電子效應和結構效應描述符。

此外，本文采用機器學習方法，基于IBand和ILatt構建二元描述符。通過同時考慮軌道耦合和晶格畸變效應，更全面地理解催化活性影響機制。最后基于篩選出的NiSe₂催化劑組裝Ah級鋰硫軟包電池，在17.3mg cm^-2高硫面載量和4 μL mg^-1 貧電解液條件下，可實現402 Wh kg^-1高能量密度。因此，擬議的BD由電子和結構方面組成，為分析LiPS轉化和設計高效催化劑提供了一個合理的觀點，并可作為通用描述符進一步應用于其他TMC。

圖2. TMC催化劑中非金屬對電化學性能的影響

Machine-learning-assisted design of a binary descriptor to decipher electronic and structural effects on sulfur reduction kinetics, Nature Catalysis 2023，DOI:10.1038/s41929-023-01041-z