作为电化学储能领域的新星，钠离子电池与锂离子电池工作原理类似，都依赖离子在正负极之间的往复运动实现充放电。不同之处在于，锂离子电池采用石墨做为负极材料，而钠离子电池的负极则是硬炭材料。由于硬炭内部有序和无序区域并存，对于钠离子来讲，同时存在“高速公路”和蜿蜒曲折的“羊肠小道”，不同区域中钠离子运动速度差异很大。因此，合理调控钠离子快速受限制扩散贡献的容量之间的大小及比例可满足不同应用场景对钠离子电池能量密度的需求。然而硬炭材料内部结构难以精准表征，碳层间隙和闭孔结构的差异难以准确描述，严重限制了人们对硬炭微纳结构与电化学性能之间关系的理解。

近日，中国科学院山西煤炭化学研究所苏方远团队（709）在硬炭材料构效关系研究方面取得重要进展。基于80余种商业硬炭的小角X射线散射（SAXS）提出分形维度作为硬炭结构无序性的描述符，反映了硬炭“纸牌屋”中纸牌的褶皱程度，并通过数据驱动方法建立了预测这一参数的模型，相关结果以《Fractal dimension revealed from SAXS as a descriptor of structural disorder in hard carbon anodes of sodium ion battery》为题发表于Chinese Chemical Letters期刊。数据集作为数据论文（Data Paper）以题为《A dataset on the structure and electrochemical performance of hard carbon as anodes for sodium-ion batteries》被New Carbon Materials期刊接收，并公开在Science Data Bank。同时该成果以“硬炭的电池性能构效关系认知”为主题，受邀参加第一届宁德时代（CATL）零碳科技解决方案创新大奖赛并获优秀奖。

在进一步分析中，研究团队聚焦于分形维数（D）这一由小角X射线散射数据拟合获得的新型结构无序度指标，发现其与斜坡区容量、平台区容量及容量占比均有较强相关性，但分形维数在炭材料领域的实际物理意义尚不明确。小角X射线散射在表征无序炭材料内部的孔隙和碳层结构等方面具有明显优势，可提取硬炭孔径、孔连通性、相关长度和分形维数等结构特征。709团队对来自多种前驱体的83种硬炭样品进行小角X射线散射表征，对结果依据Teubner-Strey模型拟合处理后构建了系统性数据集。为了实现精准调控，研究团队引入数据驱动方法尝试建立硬炭常规结构特征与分形维数D的关系。团队筛选出基于XGBoost算法的机器学习模型具备最优泛化能力与解释性，为实现理想硬炭结构的定向结构调控提供了量化依据。为了探寻分形维数的物理意义，研究还分析了不同分形维数硬炭的TEM。

SAXS跨尺度表征和结构参数示意图

分形维数与储钠容量参数之间的关系

分形维数和无序程度的关系

分形维数的机器学习预测模型训练结果

该系列研究工作结合多尺度结构分析和数据驱动方法，成功挖掘并验证了分形维数作为硬炭微结构无序度指标的有效性，提升了对炭材料结构-性能关系的理解，对于推动钠离子电池硬炭负极材料的可控设计具有重要指导意义。

（709课题组）