准确了解固体电解质界面（SEI）对锂沉积的影响对于高能锂金属电池至关重要。然而，传统策略仅关注孤立的组成部分，无法捕捉多成分的协同作用和潜在机制。

为了应对这一挑战，清华大学深圳国际研究生院Gongxun Lu，Guangmin Zhou，上海交通大学Jinjin Li，浙江工业大学Xinyong Tao引入了 SEI 组学的概念，并建立了低温透射电子显微镜图像与共定位成分信息相结合的数据集。

文章要点

1）通过集成可解释的机器学习和基于物理的特征选择，研究人员解耦了 SEI 成分的作用，揭示了 SEI 中较高的 N/S/P/F 含量和减少的 O 可以改善锂沉积。

2）结合密度泛函理论和电化学相场模型揭示了 SEI 组分对锂生长的多尺度影响。结果证实，设计具有高表面能和迁移能力的内部 SEI 层可以显着细化沉积形态。

3）在机器学习优化成分的指导下，设计了高度无序的SEI，在1 mA cm⁻² 和1 mAh cm⁻² 下，Li||Cu 电池在 800 个循环中实现了 99.35% 的平均库仑效率。

这项工作建立了一个通用框架来理解 SEI 耦合对锂生长的影响，为电解质和界面设计提供变革性策略。

参考文献

Lu, G., Han, Z., Shi, L. et al. Decoding single-crystal lithium growth through solid electrolyte interphase omics. Nat Commun 16, 9323 (2025).

DOI：10.1038/s41467-025-62166-2

https://doi.org/10.1038/s41467-025-62166-2