程濤：我第一次開始接觸到電池領域的研究是2016年，當時在美國的加州理工，德國的博世公司找到我們的教授想做一些固體電解質方面的研究。博世公司當時收購了固體電解質材料的公司，但是他們碰到的問題就是說很好的材料，但是表現(xiàn)非常的差，那么問題在什么地方呢？我們想也許是不是并不是材料本身的問題，是不是界面上出現(xiàn)了問題，所以我們就想在這個方向上進行研究工作，但是我們當時做了文獻調研的結果時發(fā)現(xiàn)當時做這個方面研究的人非常少，所以我們決定自己做這樣一個模擬。

我們發(fā)現(xiàn)一個非常有趣的事情，就是固體電解質材料和鋰電級接觸的時候它會發(fā)生非常劇烈的反應，這個反應非?？欤菃栴}是這個反應會不會停下來這個是我們想知道的。所以我們就進行了一個非常長時間的分子動力學的模擬，當然了我們當時比較幸運的是有這個基礎，大家又比較耐心，所以大概花了三個月的時間我們做了第一性原理的分子動力學模擬就是AIMD的模擬，在這個模擬里我們得到了幾個主要結論。

第一，這個反應不會停下來，我們發(fā)現(xiàn)隨著反應的進行，它在界面上其實是可以發(fā)生一個相變的，這個相變的過程是很有趣的，我們知道在模擬里面成核和相變永遠是一個非常困難的問題，非常大的挑戰(zhàn)。在這個工作里我們就學到一個非常重要事情，即使我們有好的電解質材料，那么如果它界面不穩(wěn)定這個也是沒有辦法實現(xiàn)的。

但是2017年之后我就轉向做二氧化碳電還原了。雖然這個二氧化碳電還原看來和電池的研究沒有一個直接的相關性，但其實他們本質上的關聯(lián)非常密切，因為他們都是電化學反應，在這個反應里頭實際上我們當時做固體電解質研究的時候，我們也意識到我們沒有辦法再往下繼續(xù)去做的原因是，當時在我們的模擬里面我們很難去考慮電壓的影響。

在二氧化碳電還原這個體系里頭，我們就集中精力發(fā)展了幾種適合電化學模擬的研究方法，這里面主要介紹三個。

第一，用于模擬電化學式的方面。

第二，反應立場方法。

第三，加速分子動力躍方法。

有了這些新的方法之后，發(fā)展了一套叫做虛擬半電級這么一個模擬體系，允許我們去更合理的去模擬電化學的反應。我們用了一些已有實驗數(shù)據(jù)去進行驗證，證明我們的方法是很可靠的方法。

我回國之后一直就想能不能重新再做一些電池方面的研究，我們很快就把目標鎖定在SEI就是固體電解質界面。SEI就是化學反應和電化學反應耦合形成界面的這么一個過程，SEI也很重要，比方說我們知道現(xiàn)在想開發(fā)更高能量密度的電池，在這里面SEI顯然是非常重要的環(huán)節(jié)。

同時，我們也知道SEI和電池安全性非常有關系，我們熱失效很大一部分原因其實與SEI開始的一些化學反應產(chǎn)生了一些可燃性氣體，但是SEI大家都非常認可它的重要性，但是目前大家對它的了解非常少，因為實驗上能夠直接表征它的方法非常有限，到目前為止大家比較接受的有四代模型，這四代模型到現(xiàn)在為止最近的就是所謂的梅子布丁模型，我們注意到每一代模型其實背后它的推動力都是技術的發(fā)展。

比方說第二代模型的推導主要是基于譜學，就是紅外和紫外的譜學，第三代模型它背后主要的推動力量是SPS在電池里的應用。第四代最近一代實際上主要來自于冷凍電鏡技術的發(fā)展。但是我們可以看到的說即便到了第四代我們其實對SEI的認識也非常不清晰。右邊是實驗上給大家看到的典型的SEI模型，一個好的SEI它的尺度大概在10納米，但是它中間的原子構形其實是不清楚的，那么我們需要什么樣的技術來真正的解析這個SEI呢？我們電化學領域的很多專家包括李泓老師都強調一個叫工況模擬，最好是在不影響電池的情況下對它進行檢測。

多尺度模擬實際上是非常理想的工況模擬，因為我們其實對SEI的研究時，沒有對他進行任何的破壞，所以有沒有可能是計算模擬驅動更精確的SEI模型，我們認為是有可能的。希望能夠在原子層面上去解析10納米的電解質的結構，但是這個問題本身實際上也是很難的，從模擬角度來講，目前來說沒有一個方法去做。量化的方法它很準確，但是就是非常昂貴，我們前面估計如果我們要做這樣一個模擬的話，至少要做大概幾萬個原子模型，這樣的話我們可能就要把這個問題剖開來看，看看我們能不能把這個問題分解成幾個獨立的問題。

然后對于各自的問題我們用一個相應合適的方法去解決它，根據(jù)SEI形成過程，我們可以把它分成三個過程。

第一，初始的SEI的形成。

第二，電化學增長。

第三，納米重構。

在這三個層面上我們就可以分別設計方法去研究它，對于這個初始SEI形成過程它是一個比較快的過程，所以我們是有可能用量子化學的方法去解決它，但是就像我們前面講過的如果單純用量子化學的方法它還是挺貴的，你可能像我們之前500個皮秒的計算，可能還是要花三個月的時間。

那我們能不能把這個計算效率給它提升一下呢？我們這邊簡單的想法就是我們可以把量子化學和一些更便宜的方法耦合在一起。因為實際上在電解質界面的研究過程當中，很大一部分時間是質量傳輸，這個質量傳輸過程我們是可以用一些經(jīng)驗的方法去做，并不會喪失它的精度。

所以我們在這個基礎上發(fā)展了一種雜化的方法，把這個量子化學和反應立場結合在一塊兒，這樣就可以達到加速的目的，這樣的話我們就在不降低模擬精度的情況下，能夠把這個模擬提高10-100倍，也就是說我原本要進行三個月的模擬，現(xiàn)在我們可能幾天時間就可以完成。

我給大家介紹一些我們的應用案例，首先高濃電解液的理論模擬，我們知道實驗上發(fā)現(xiàn)這個高濃的電解液，它有一個非常好的表現(xiàn)，它到底為什么有這么好的表現(xiàn)呢？我們這個模擬就可以看出來當我們是非常高濃的情況下我們確實會形成一層比較均一些氟化鋰的膜，這個大家一直認為是好的無機部分，可以組織SEI的進行，我們在模擬中也確實看到了這樣一個現(xiàn)象。

接下來我們也可以去研究一些更復雜的過程，這里面我們舉了一個例子就是這么一個硼的反應，我們發(fā)現(xiàn)當你材料里頭有一些硼機助劑的話，你會發(fā)現(xiàn)一些非常有趣的過程就是它會出現(xiàn)比較大的寡聚體，這個很有可能引發(fā)后面的聚合反應。實驗上可能表現(xiàn)比較好的一些電解質材料里會形成有一些聚合物的成分，這些聚合物可能就是大家經(jīng)常說的固體電解液界面中無定型的部分。我們第一個階段基本上就完成了。

我們如果把模擬尺度，空間尺度提升會不會有更有意思的現(xiàn)象呢？在這里面我們就用到了一個反應立場這么一個方法。但是這個方法它原本的模型是不能處理電壓的，但是我們通過分析之后我們發(fā)現(xiàn)其實在反應立場里引入電壓這個效應其實比較直接，所以我們通過對程序，函數(shù)形式做了一些修改，我們現(xiàn)在可以用反應立場去模擬它的電壓效應。充放電過程當中鋰它是如何成核，就是我們在充電過程當中它是如何在金屬表面成核的過程，我們發(fā)現(xiàn)了一個非常有趣的機理就是從一個剝離鈦轉化到晶體鈦的這么一個過程，這些也許可能對我們理解它的充放電過程有一個幫助，也許對材料設計有一些，評價它的性能有一些影響。

在和專家討論的過程當中，有一些老師比如說李泓老師就提出一些問題，我們雖然看到了初始寡聚體的產(chǎn)生，那我們能不能在更長時間尺度內去預測它如何去長成更大的聚合物。我們現(xiàn)在的想法就是我們有可能在更大尺度上用更加大尺度的模擬方法去做這個事，我們這里面用到了動力學蒙特卡洛這么一個方法，預測聚合物的生長過程和構型。

我們的基本目標就是希望能夠建立一套基于底性原理的預測框架，這套框架本身就是可以不依賴于實驗數(shù)據(jù)，然后完全從理論計算方法出發(fā)，去預測固體電解液界面的結構和它的性能。

最后，我們這個模擬對智能制造的關系可以有兩個方面的理解。

第一，怎么能夠把理論模擬和實驗結合更緊密，這里面我們的落腳點就是理論計算的譜學和實驗計算的譜學，在電池領域我們看大家用的比較多的方法，比方說紅外和紫外光譜，或者是XPS的化學位移。這些實際上理論預測是可以給我們非常好的預測結果，這個我覺得是理論模擬和實驗可以接獲的落腳點之一。

第二，機器學習，機器學習實際上是通用的方法，它對很多行業(yè)都產(chǎn)生推動作為，在電池領域，在模擬領域它也會發(fā)揮同樣作用，關鍵問題就是大家怎么去用它。大家根據(jù)自己的需求有各種各樣的應用方法，我們現(xiàn)在主要用機器學習做的工作就是用它去預測它的譜學，從而大大降低模擬的計算量。