基于元素映射的贝叶斯优化框架实现直接材料设计：以 NASICON 型正极材料为例

更聪明的捷径，通向更好的电池

设计新电池材料传统上需要多年反复的实验和计算。本研究展示了一种更智能的搜索策略，能显著加速这一过程，利用统计学与化学相结合来精准定位有前景的成分，用于下一代钠离子电池——一种比现有锂离子电池成本更低的替代方案。

为什么我们需要新的电池配方

锂离子电池为手机、笔记本和电动汽车供电，但锂相对稀缺且价格高昂。钠离子电池以常见的食盐成分钠代替锂，正在成为一种更便宜、更可持续的选择。一种特别有前途的钠基材料称为 NVPF，已展现出快速充电和高工作电压的优点。然而，它无法完全利用所有可用的钠，导致有价值的容量被浪费。当额外加入钠时，材料进入“钠过量”状态，这在热力学上不稳定，且工作电压超出实际设备使用的安全且实用的电压窗口。在不破坏晶体结构的前提下稳固这种富钠态，是使钠离子电池真正具有竞争力的关键挑战。

一张用于探索元素周期表的地图

寻找改良的 NVPF 意味着尝试许多将结构中钒原子替换为其他金属的方式。可能的元素组合数量迅速爆炸式增长，而用详尽的量子力学模拟去测试每一种组合代价过高。作者通过采用贝叶斯优化来应对这一问题——这是一种根据已有信息选择下一个最具信息量实验的策略。然而，标准贝叶斯方法偏好平滑的数值输入，而不是像元素名称这样的跳跃型类别输入。为桥接这一差距，团队发明了一种“元素映射”方案，将每种元素翻译为连续的数值评分，反映其替代 NVPF 中钒时的行为。这些评分来源于量子计算，刻画了每种元素在电池充放电过程中接受电子的难易程度。

将化学转化为可平滑导航的景观

把每个元素编码为连续的“单元评分”后，原本离散的选择集合变成了贝叶斯优化能够导航的平滑化学景观。算法提出一对元素组合供测试，研究者计算该组合如何影响材料的理论电压曲线，然后通过一个评分函数奖励那些所有电池电压都恰好落在目标 2.5–4.3 伏窗口内的情况。这个新数据点更新统计模型，随后模型建议下一个最有希望的组合。由于单元评分与材料的实际充电行为紧密相关，所得景观相对平滑且易于预测，使得优化器能够迅速聚焦于最有前途的区域，而非盲目漫游。

用更少的猜测找到更好的正极

借助该框架，作者探索了可替代钒在 NVPF 结构中作用的 35 种金属的二元混合物。在数百种理论组合中，算法仅用 50 次迭代就发现了 16 种其计算电压全部位于实用电池窗口内的成分配方。许多有利的配方涉及钯、铼、钨或铅的不同比例，但在考虑成本、能量密度和毒性后，有两种组合在现实可行性上尤为突出：一种是锰与钒的混合，另一种是钴与钒的混合。进一步的电子结构分析表明，这些替代通过在富钠态下接受比纯钒更多的电子电荷来发挥作用，从而有助于稳固额外的钠而非触发破坏性的结构变化。

超越材料发现中的反复试验

对非专业读者来说，关键结论是作者构建了一种面向元素周期表的智能导航器。通过将每种元素转换为兼具化学信息的数值并将其输入贝叶斯优化回路，他们能够用远少于传统网格搜索甚至某些现代深度学习筛选方法的昂贵模拟次数，锁定高性能电池材料。在他们的案例中，该方法不仅识别出多种新的钠离子电池正极候选配方，还解释了它们为何有效——因为所选元素可以在有用的电压范围内安全地承载更多电子和钠。该策略可以适配于许多其他材料挑战，从催化剂到合金，凡是需要在庞大的组合空间中寻找稀有高性能“麦针”的场景均适用。

引用: Park, S., Shim, Y., Hur, J. et al. Element mapping-based Bayesian optimization framework enabling direct materials design: a case study on NASICON-type cathode materials. npj Comput Mater 12, 92 (2026). https://doi.org/10.1038/s41524-026-01958-6

关键词: 钠离子电池, 贝叶斯优化, 材料发现, 正极设计, 元素映射