锂金属电池由于其超高的理论能量密度成为最有潜力的储能系统，然而锂金属的高反应性会导致电解液的分解，从而阻碍了其应用，而现有的电解液开发工作多使用试错法，对于设计高稳定性溶剂分子效率十分低下。清华大学陈翔团队使用了一种数据驱动方法来探究分子还原稳定性的起源并进行了分子设计，首先使用了图算法构建了一个巨大的数据库，该数据库枚举了9个重原子以下所有的羰基和醚类化合物，共1399个分子。接着通过第一性原理和机器学习方法全面探索了其性质。99%以上的分子在结合锂离子后LUMO值均变低，SHAP方法得出偶极矩和分子半径是分子LUMO能级最重要的影响因素。笔者认为，虽然本工作使用LUMO来评估分子还原稳定性存在较大近似，所得结论对于电解液设计的直接指导意义有限。但所开发的数据驱动研究方法开创了一种新的范式，若用于分析含有电池性能结果的数据库，将能发挥更大作用。

文献链接：https://pubs.acs.org/doi/10.1021/jacs.3c08346

（华海明）