AI筛选！中科大余彦＆姚雨，新发Nature子刊！

暑期特惠！同步辐射XAS直降1000/元素  ，低至2500/元素，限量20，手慢无！

经费预存选华算：重磅加码，高至17%预存增值！

在室温钠硫（Na-S）电池中使用适当的单原子（SA）催化剂有利于提高性能，然而目前缺乏一种高效单原子催化剂的通用设计策略。

2025年7月1日，中国科学技术大学姚雨、余彦在国际知名期刊Nature Communications发表题为《Preferable single-atom catalysts enabled by natural language processing for high energy density Na-S batteries》的研究论文，Ruilin Bai为论文第一作者，姚雨、余彦为论文通讯作者。

在这项工作中，采用自然语言处理技术筛选潜在的SA催化剂，然后构建二元描述符来优化催化剂候选者。选择锚定在氮和硫原子上的原子分散钴（SA Co-N/S）作为理想的催化剂，可以显著促进硫还原反应。

以SA Co-N/S催化的硫阴极几乎实现了完全转化，相应的软包电池在高负载下表现出令人满意的性能。原位X射线吸收光谱揭示了SA Co-N/S与硫物种在硫还原反应中的动态相互作用。

该工作为选择合适的单原子催化剂以及理解可持续Na-S体系中的界面催化动态提供了一种方法。

图1：研究工作流程。(a) 通过自然语言处理（NLP）模型生成嵌入向量。 (b) 基于专家分析的单原子（SA）催化剂候选设计。 (c) 基于密度泛函理论（DFT）和d带理论的二元描述符构建。(d) 在实际钠硫（Na-S）电池中进行实验测试和分析催化机制。

图2：自然语言处理（NLP）方法和分析结果。(a) NLP方法的工作流程。 (b) 基线模型的消融研究雷达图。 (c) 不同金属中心的统计结果。 (d) 基质选择的统计结果。 (e) t-SNE降维后的单原子催化剂相关文献的分布情况。 (f) 放大的Na-S单原子催化剂相关文献的t-SNE图。

图3：钠硫（Na-S）电池中硫还原反应的二元描述符构建。(a) 描述符的示意图。 (b) 不同单原子催化剂表面的ΔG值。 (c) 单原子催化剂的态密度（DOS）模式。 (d) ΔGNa2S2Na2S的特征重要性结果。 (e) 在构建的描述符中各种单原子候选物的散点图。

图4：材料的形貌和特性。(a) SA Co-N/S的透射电子显微镜（TEM）图像。 (b) SA Co-N/S的高角环形暗场扫描透射电子显微镜（HAADF-STEM）图像。 (c) SA Co-N/S的高角环形暗场扫描透射电子显微镜（HAADF-STEM）图像。 (d) SA Co-N/S的X射线吸收近边结构（XANES）光谱。 (e) SA Co-N/S的XANES光谱的一阶导数特征。 (f) SA Co-N/S的扩展X射线吸收精细结构（EXAFS）光谱的傅里叶变换结果。 (g) SA Co-N/S的EXAFS光谱的波谱变换（WT）等高线图。 (h) SA Co-N/S的EXAFS拟合结果。

图5：30°C下，不同单原子催化剂负载的碳@硫阴极的电化学性能。(a) 不同单原子催化剂的恒流充放电曲线。 (b) 0.2 A g−1下，50%实际硫负载的循环性能。 (c) 改变电流率（0.2, 0.5, 1, 2, 3, 5 A g−1）时，50%实际硫负载的倍率性能。(d) 1 A g−1下，67%实际硫负载的长循环性能。 (e) 高负载质量（4.5 mg cm−2）和负/正（N/P）比为3.4:1的SA Co-N/S@S软包电池的循环性能。 (f) 基于SA Co-N/S@S阴极的钠硫（Na-S）软包电池的倍率性能（0.1, 0.2, 0.3, 0.4, 0.5, 1.0 A g−1）。 (g) 高面积质量负载（6.67 mg cm-2）和低N/P比为2.13的230 mAh软包电池的循环性能。

图6：原位X射线吸收光谱（XAS）测量和硫还原反应过程的理论模拟结果。(a) SA Co-N/S的Co L边的软XAS光谱。 (b) SA Co-N/S中Co-S键的晶体轨道汉密尔顿种群（COHP）模式。 (c) 原位XAS实验的示意图。(d) SA Co-N/S在不同放电阶段的Co K边的原位X射线吸收近边结构（XANES）光谱。 (e) SA Co-N/S在不同放电阶段的XANES光谱的能量变化。 (f) Na2S4、Na2S2和Na2S分子的前线轨道。(g) SA Co-N/S吸附不同钠硫化物时Co位点的Hirshfeld电荷。

本研究采用自然语言处理技术筛选室温钠硫（Na-S）电池的单原子催化剂，并构建二元描述符优化候选催化剂。

结果表明，锚定于氮硫原子上的原子级分散钴（SA Co-N/S）可显著促进硫还原反应，提升Na-S电池性能。

本研究成功结合自然语言处理技术与催化描述符，快速筛选出高效单原子催化剂，显著提高Na-S电池性能，为高性能单原子催化剂设计及Na-S电池界面催化动力学理解提供了新方法与见解。

该催化剂筛选方法可加速其他催化反应和电池系统中高性能催化剂的开发，为下一代可持续能源存储设备研发提供支持，尤其适用于高能量密度、长循环寿命储能领域。

Preferable single-atom catalysts enabled by natural language processing for high energy density Na-S batteries., Nat Commun, 2025. https://doi.org/10.1038/s41467-025-60931-x

#中国科学技术大学

#余彦

#姚雨

#单原子催化剂

#钠硫电池

500+博士团队护航，助力50000+研究在Nature&Science正刊及子刊、Angew、AFM、JACS等顶级期刊发表！