“之所以说它有趣，是因为几年前连我自己也觉得这个领域是一个笑话。但是，这项研究却表明该领域存在着巨大的潜力。甚至可能会改变整个电池材料供应链的现状”谈及最新论文成果所涉及的研究领域，佛罗里达州立大学助理教授欧阳彬表示。

近期，他和美国劳伦斯伯克利国家实验室格布兰德·希德（Gerbrand Ceder）教授课题组，将高熵材料的概念应用到固体电解质的开发中，证明了可以通过加入高熵合金阳离子混合物，来促进离子电导率的提升。

图丨高熵材料的离子电导率和成分无序的相关表征（来源： Science ）

2022 年 12 月 22 日，相关论文以《促进离子电导率的高熵机制》（High-entropy mechanism to boost ionic conductivity）为题在 Science 上发表[1]。

图丨相关论文（来源： Science ）

美国劳伦斯伯克利国家实验室材料科学部研究员曾艳为论文的第一作者，佛罗里达州立大学化学与生物化学系助理教授欧阳彬和美国劳伦斯伯克利国家实验室材料科学部格布兰德·希德教授为论文的共同通讯作者。

图 | 从左到右：欧阳彬、曾艳（来源：资料图）

在同期 Science 上， 德国卡尔斯鲁厄理工学院纳米技术研究所的米里亚姆 ·博特罗斯（Miriam Botros）博士和于尔根 ·雅内克（Jürgen Janek）教授，撰写了题为《拥抱固态电池的无序》的评论文章[2]。

事实上，在材料领域最为热门的十大关键词中，“高熵合金”和“电池材料”一直榜上有名。

高熵合金领域的学者主要聚焦机械性能，电池材料领域的学者则重点关注电化学性能。

如果把这两个本不相干的领域叠加在一起研究，很容易被打上“炒概念”的标签。

与此同时，之前也并没有任何理论或研究表明，高熵材料可以为电池的电化学性能提供助益。

“虽然我曾在 2020 年合作发表过一篇 Nature Materials 论文，发现高熵对于特定的电极材料来说是有帮助的，但是我们当时并不确定高熵对电池材料是否具有普适意义。”欧阳彬说。

而这项研究取得的成果，彰显了该领域具备的巨大潜能。其有利于高熵电池材料提供一种在不需要钴或富镍（在正极材料中）或者锗或钛（固态电解质中）等“关键元素”的条件下，让电池实现目标性能的方案，从而更好地解决电池的材料供应链问题。

“当然我们目前只是提出了理论和实验证据去证实和描述这件事情的可行性和运行机理，还需要很多后续工作才能真正实现商业化。”欧阳彬解释道。

据欧阳彬介绍，由于无序材料会给离子扩散的能量路径带来随机扰动，增加能量的局域最低值态产生的可能性，这个其实在半导体很常见，就是指输运过程中电子被能量势井给限制住。

因此在研究一开始，他和自己的博士后导师格布兰德·希德教授秉持的是与最终研究结果相反的态度，甚至考虑撰写一篇文章，否定用高熵材料做电池的普遍意义。

但他经过不断思考，重新得出了一个想法。“材料的离子导率除了和载流子的浓度有关，还与扩散势垒有关。

只要扩散势垒能够被降低，离子导率会指数级别增加，这时候损失一点载流子浓度也没什么，因为载流子浓度的降低只会线性降低导率。”

图丨结构变形对晶格位点能量和渗流的影响（来源： Science ）

基于此，欧阳彬和曾艳进行了仔细的讨论与推敲，并分别完成了一系列计算和相应的控制变量实验，最终成功证实了该想法。

此外，值得一提的是，之前科学家们在研究高熵合金时发现其具有高熵、鸡尾酒效应、晶格畸变大和动力学缓慢这四大特性，而该研究则在能源材料领域为动力学缓慢这一传统认识提供了反例和理论支撑。

图丨三种高熵氧化物的合成及结构（来源： Science ）

从应用层面上看，该研究探讨的是固体中离子导率的问题，所以未来所有与原子/离子扩散相关的问题，都可以从该成果出发并开展下一步探讨。

目前， 欧阳彬所在的佛罗里达州立大学的课题组，已经得到了三星 SDI 等企业的资助，将继续开展对高熵电池材料的研究。

与此同时，美国一些企业也开始了关于这类材料的研发之路。“我希望在不远的将来，商业化的能源材料中会有高熵材料的一席之地。”欧阳彬说。

关于该项研究的后续计划，欧阳彬也介绍了以下三个方面。

首先，他将带领课题组侧重于研究高度无序材料在能源领域的应用，比如高熵材料、无定型材料等。这也是材料计算领域的难点，他的课题组希望通过突破理论难点要给技术和产品带来新的思路。

其次，由于高熵电池材料领域的研究工作还非常有限，因此未来其将会积极与外界联合，推动该领域向深入细致的方向发展。

考虑到商业化的很多电池材料，比如层状三元正极材料和石榴石固态电解质都经过了大量学者反复的推敲和迭代。 高熵电池材料也需要经历类似的过程以及更多专家学者的严格推敲。

然后，基于高熵材料本身的一些成分结构特性，推动新的材料研究方式的产生。

比如，机器学习显然会在这个领域非常重要，同时我们也需要特殊的机器学习的方式，因为这里面的化学组分以及合成空间很多时候是不能够用传统的基于暴力穷举的办法去做取样和机器学习训练的。

“我希望自己在这篇文章中做的一些阐述，能够激发起那些准备进入科研圈的年轻学生对这个领域的兴趣。

同时，我们课题组在未来几年会持续招收博士和博士后，欢迎感兴趣的同学加入，为无序能源材料领域提供新的思路和理论解决方案。”欧阳彬最后说。

参考资料：

1.Y., Zeng, B., Ouyang, J., Liu, et al. High-entropy mechanism to boost ionic conductivity. Science 378, 6626 , 1320-1324（2022）. https://www. science. org/doi/10.1126/science.abq1346

2.Botros, M., & Janek, J. (2022). Embracing disorder in solid-state batteries. Science , 378(6626), 1273-1274.