荣登《Energy Storage Materials》！青葵智造以机理驱动范式为高比能锂硫电池研发按下“加速键”

近日，青葵智造联合北京航空航天大学、宁德时代、中国电子科技集团公司第十八研究所（简称：中国电科18所）共同完成的研究成果"Mechanism guided design of Te modified carbon hosts via p–band center modulation for ultra stable lithium–sulfur batteries"发表于国际顶级期刊《Energy Storage Materials》（SCI一区，IF = 19.3）。该研究创新性构建了数据驱动的DFT预测—材料制备—性能验证的机理驱动研究范式，将人工智能技术融入材料筛选全流程，并首次系统应用于锂硫电池先进硫宿主的理性筛选，为高比能正极材料研发开辟了新路径。

【一场围绕能量密度的竞赛】

低空经济加速起飞、具身智能走向规模化，一场围绕能量密度的竞赛正在展开。无论是低空飞行器还是人形机器人，都迫切需要比传统锂离子电池更高比能、更长续航的储能方案。锂硫电池以1675 mAh g⁻¹的理论比容量、2600 Wh kg⁻¹的理论能量密度，被视为下一代高比能电池的有力候选者。

然而，锂硫电池的商业化始终面临两大核心瓶颈：多硫化物的穿梭效应导致活性物质不可逆流失，缓慢的多步固液转化反应则拖累倍率与循环性能。更棘手的是，传统材料研发依赖经验试错，每调整一个变量就要重新合成、测试，周期长、成本高，难以跟上产业迭代的节奏。

能否让理论计算走在实验前面，为材料设计提前预判方向，规避风险？

青葵智造与北京航空航天大学、宁德时代、中国电科18所给出了肯定的回答，并将联合研究成果发表于国际顶级期刊《Energy Storage Materials》。

本研究以理论计算为起点，预筛选最优构型、锁定关键活性位点，并据此设计合成路径，最终以电化学性能回验理论预测，形成算—做—验完整闭环。此闭环中最关键的发现，来自一个长期忽视的细节——碳材料合成中不可避免引入的氧，过去常被视为杂质。但团队通过理论计算发现，碲与氧构成的Te–O对，是激活催化性能的核心。

理论计算表明，Te–O对的价值可被总结为三点。

• 一是作为电子供体，促进多硫化物的高效还原；

• 二是调节碳基质的p带中心，让吸附能落进–0.8～–2.0 eV的黄金窗口，化解Sabatier原则下的矛盾；

• 三是增加层间距，暴露更多活性位点，Li₂S的成核与溶解势垒也随之降低，沉积模式从2D瞬时成核升级为3D渐进生长。

材料制备是理论预测落地的关键。团队采用串联水热—热解策略，通过精确调控合成温度，制备出两种具有不同主导特性的材料，以探索Te–O/Te–C之间的构效关系。具体而言，同一前驱体600 ℃热解可制备Te–O键占主导的TOC，950 ℃热解可制备Te–C键占主导的TeC。然而，进一步升高温度或延长保温时间，会导致碲活性物种不可逆损失，材料活性位点减少。因此，最终方案在保留适量Te–O键的同时，以950 ℃、2h的TeC样品作为对比样，兼顾理论需求的严谨性与实验操作的可行性。

团队成功实现了理论模型的可控制备，实验结果与设计目标高度吻合：TOC比表面积380 m² g^-1，缺陷更丰富（ID/IG = 1.29），XPS与EELS证实Te–O键占主导。结构化的工艺参数与表征数据，为后续干湿闭环迭代提供数据基础。

从理论定义目标结构到工艺将其落地，是机理驱动范式先算后做的方法学价值，而电化学性能能否兑现理论预期，已成为下一步的验证重心。

电化学性能有效佐证了先算后做策略的实际价值。TOC正极性能极其优异，首圈比容量达到1352.18 mAh g^-1，接近理论值的81%；倍率表现同样稳健，0.2C下容量为1395.44 mAh g^-1，4C高倍率下仍保有788.89 mAh g^-1，回到0.2C后容量迅速恢复至1034.58 mAh g^-1。

在高载量、大倍率等极端工况下，TOC的表现依旧不负所望：4.8 mAh cm^-2的面容量远超商用锂离子电池；4C高倍率下稳定循环2000圈，单圈容量衰减仅0.032%，达到国际先进水平。

理论先行有效降低实验试错次数。相比依赖经验试错的传统研发模式，这一机理驱动范式显著节约研发资源，提高材料筛选效率。

作为本次合作的核心参与者，青葵智造深度参与了该范式的方法学构建、机理研究与数据分析，将仿真计算与数据科学等 AI4S 方法嵌入新材料研发流程。从搭建多种模型、数据驱动理论筛选最优构型，到实验中解耦变量、作出工程取舍，再到性能验证、数据回流——本研究的完整闭环，正是青葵智造长期践行的自驱动实验室体系在能源材料领域的深度实践：仿真计算（干）先行为实验（湿）导航，实验数据再回流反哺机理认知。

基于这一理念，青葵智造构建了覆盖 AI 决策、自动化执行与数据闭环的自驱动实验平台体系：MoleMind 智能实验决策平台以 AI 驱动实验方案设计与构型筛选； QuikOS智能实验操作系统集数据汇交、实验调度、设备监控于一体的统一管控平台，实现全流程数字化追溯与标准化数据治理；NexoLab 智能实验执行平台承接全流程自动化制备与表征，模块化架构支持快速重组适配多场景研发需求。实验产生的结构化数据通过实时回流，驱动模型在真实反馈中持续校准与迭代——这一“干端决策—湿端执行—数据闭环”的完整链路，使材料研发从经验试错走向理性设计，也让先进材料从实验室到量产的路径被实质缩短。

青葵智造具备“AI算法+机器人硬件+化学云实验室数据基座”的全栈自主研发能力，从科研成果到产品落地，未来，我们将持续把数据驱动的机理挖掘与干湿闭环的研发范式产品化、平台化，为客户提供长期稳定、风险可控的科研基础设施服务，与更多高校、科研院所及产业方协同，为新能源电池材料乃至更多先进材料的研发按下加速键。

论文原文链接：

https://doi.org/10.1016/j.ensm.2026.105420