菲娱国际娱乐-登录网址谢科普中国邀请，我是来自中国科学院物理研究所的博士研究生吴思远，主要是从计算模拟角度研究固态电池材料，所以我将从计算模拟角度与大家探讨下目前新能源发展的局限性。

　　从计算和模拟角度，快速、准确预测和评估电池的性能是我们所需要的，目前的问题是算得准所消耗的时间也长，希望算得快则需要引入近似。准确性得不到保证。

　　另：根据评论区讨论，总结一下现在电池管理所做的事情：如何尽可能压榨电池性能？如果电芯发热严重就让他歇会，电池状态好就多压榨一下。这个的前提是我们能快速准确预测和评估电池状态。就好像我和苏神一起跑马拉松，苏神爆发力强但是不能保证所有时间都是以百米速度冲刺，所以当苏神不能以百米速度冲刺时就让他歇会，我来跑直到苏神恢复正常体力。通过这样的管理分配来最大化电池组性能（前提还是快速准确预测和评估电池状态）。

　　关于新能源目前存在哪些瓶颈，我将从原子尺度计算和器件层次模拟来说明。本文主要介绍两个方面：如何算得准和如何算得快。简单来说，在原子尺度上我们希望能够较好地预测电极材料的开路电压、电导率等（算得准），又想模拟电池运行过程中的动力学变化，这就需要长时间的模拟（算得快）；从电池器件层面，模拟仿真希望能够准确预测电池还有多少电（容量），寿命如何（算得准），又必须在指定时间内告诉司机电池状况，如果出现危险信号必须提前告知司机并撤离（算得快）。下面我将具体阐述这些内容:

　　关于原子尺度，可能与大家相隔较远，很多人不是做这方面的几乎没有概念。举个最简单例子，大部分人认知的锂离子电池，是像下图这样的：一边是正极，一边是负极，中间是电解液/质。原子尺度就是研究锂离子如何在正负极间运动（输运）；而大家更关注的是电池宏观层面的运行状况，如充电速度、温度等等。

　　锂离子或者其他迁移离子如何在体系中运动/脱嵌及其引起的物理、化学变化成为计算模拟所关注的线 算得准

　　不过，对于电池领域来说，这一方面似乎没有理论物理/化学家那么严格，比如在超导等强关联体系中，因为电子相对有效质量大，引入绝热近似带来的误差大，所以出现了+U修正。对于U值，一般采用线性响应来确认。而对于电池计算中，几乎所有的U都是用一个定值代替。出现这一原因有很多，主要还是电池的计算不是算一个体系，是计算一系列脱嵌锂的结构。比如同样是

　　结构，做超导的人可能只关注Na_{0.3}CoO_2 yH_2O结构性质，算好这一个即可；而电池计算的人需要算出一系列x值，然后根据下式计算开路电压，如果一个一个去修正显然时间不允许，也不适合高通量筛选，故算得准似乎对电池要求没有其他领域那么高，这也给电池计算带来一些困扰：实验的人似乎都不太认可结果。>

　　当我们知道计算准确性的来源时，必然会有一个想法：我们这么做（在这种近似下）算得准吗？什么时候算得不准？我个人的理解是当近似的部分占主导因素时则计算不准，比如在模拟水分子运动时，需要考虑水的氢键（范德华修正）、核量子效应[Chem. Rev. 2022 122 10746]等等。在没有加入这些修正或者效应时，

　　与OH^-的扩散系数与实验值差别很大，而修正后的结果相对吻合较好[如陈默涵老师前不久文章J. Chem. Phys. 2022 157 024503]。以上同样适用于电池的计算，不过一个比较好的地方是电池计算大部分涉及做差，如上面计算开路电压。一般这些偏差都会被做差这一步削弱甚至消掉（但是不能说完全没有），如计算电极材料失氧通常要计算O_2和氧化物能量，而相关研究[Phys. Rev. B 2013 87 075150]指出实验值与计算值线性非常好，如果做差可能就消掉了。也有一些消不掉的，如2011年一篇PRL[Phys. Rev. Lett. 2011 106 018301]揭示铅酸电池的电压主要是由相对论效应所决定的，非相对论效应计算的电压只有0.39V，而引入相对论效应计算的电压为2.13V与实验值2.11V吻合。这个例子也说明了误差可能来源于一些近似，这些近似是为了更好地计算，但是如果近似的部分占主导时，误差就会非常大。

　　：电池材料计算算得准相对于其他领域似乎要求不高，这个不高是有多种因素造成的，但是对于一些特殊的体系（特别是涉及过渡金属的电极材料），这些误差可能会使得结论相反，也是很多做实验的人不相信计算的一些起源。1.3 算得快

　　界面发现Si(210)和Si(211)可以与SiO_2形成稳定界面且拥有低的空穴/电子有效质量，可以取代原有结构并降低2nm长度[Phys. Rev. Lett. 2022 128 226102]；R. Thapa等[Phys. Rev. Lett. 2022 128 236402]计算了非晶石墨的演变，发现在3000K密度在2.2-2.8g/cm^3时，非晶结构会逐渐sp^2网格有序化，之前的一些五元环七元环会逐渐变成六元环且更容易传导电子，这也说明煤炭可以转变为石墨（作为锂离子电池负极材料）。这些都要求较大的计算量，作者也都采取了机器学习势函数或者搜索的方法来实现。

　　，由于电池涉及的时间尺度较长，这必然会使得目前计算时间无法达到所需要的模拟时间的问题，算得快这一问题在电池分子尺度模拟更突出，如果未来我们真的可以模拟电池全周期的动力学过程，对认识和提高电池性能必然会有巨大提升。

　　重排、相变和析氧等等。前不久化学所郭玉国老师从计算和实验两个方面证明高镍材料平面滑移是电化学性能变差的原因[J. Am. Chem. Soc. 2022 144 11338–11347]。对于快充，则本质上是电化学反应动力学的内容，也就是上一节计算的扩散系数。2.2 算得准

　　如最开始所说，大部分人的里程焦虑包括1.不知道车还能开多久；2.快充。对于第二点，如果第一点能有效改善即告诉司机电池剩余量，司机可以提前规划行程如充电时吃个饭等等，从而进一步缩减对第二点的需求；此外第二点所谓的快充也是依据第一点实现的，这个我们会在后面详细述说（挖个坑后面补）。总之，新能源汽车里程焦虑问题，转变成如何准确预测电池状态(SOC)。

　　除了里程焦虑，安全性也是左右用户选择新能源汽车所考虑的因素之一。国标要求新能源汽车电池管理系统要求电池出事前5分钟向车主报警，也就是车内人有5分钟逃离时间。这意味着电池管理系统BMS需要快速判断电池状况，当出现异常时要迅速给出回应：跑还是不跑？这不仅仅是预测SOH准确问题，更重要是提前预判留足逃生时间。

　　上面两个我都没有如第一节详细展开，因为这两部分本质是一样的，如何预测当前电池的状况：SOC/SOH等等，并告诉司机剩余里程、指导调整快充协议、判断电池安全，这几个是紧密结合的。对于这部分，工业界的进展整体是超过学术届的，原因也很简单：新能源汽车的电池运行数据，这部分企业的数据更贴合实际而实验室数据很多是

　　下测试的，不能较好地指导电池性能预测，如果大家感兴趣可以参考David A. Howey的文章[joule 2021 5 1934]，比如有的人喜欢电量完全用完后快充，有的人倾向于随时充电；又比如哈尔滨和三亚的新能源汽车电池管理可能不相同，这些都会给电池预测带来挑战，详细可参考[joule 2021 5 1934]，就不详细展开了。知道了问题，工业界/学术界是如何解决的呢？一般是三种方式：物理模型、数据模型、结合物理的数据模型。

　　就是基于电化学基本原理构建方程并求解，最常用的是等效电路模型，下图是一个经典的电化学界面的等效电路模型：>

　　！特别是涉及到迭代求解复杂的偏微分方程时，计算会相当耗时，无法实现5分钟逃跑的目标。这时，大家就提出了数据模型。

　　也就是基于大数据的方法来实现电池工况预测，相比于前者确实在速度上有显著提升，但是如果我只给你上图的半圆，再厉害的纯数据模型也不可能预测出后面的斜线，这也是我们上面说的：算得准。基于此，有人提出结合数据和物理模型。2.5 补坑2.0：上面所述如何提升新能源汽车体验？

　　BMS系统就会识别出这些电池：哪些电池“好”，哪些电池“不好”。比如在运行过程中，SOC高（电量多）的电池就可以继续运行，而SOC低（电量低）就少运行；同样的，电池快充/SOH监控也是相似过程。这种多个电池组结合的储能系统，可以依据不同电池的不同工况来分配电池任务，以最大化电池利用效率，从而降低电池运行成本。做到以上的前提是：较快较准地预测电池工况，也就是前面所说的算得快/准两个问题。

　　补充一句：在材料层面虽然快充（扩散系数）有上限，但是BMS会根据不同的电池情况调整电流来实现快充：比如说电池状况好给他大电流迅速补电，发现产热等严重就小电流等等。