太阳能的高效转化与储存是能源领域的重要课题。光辅助锂硫电池(PALSBs)通过耦合光能利用与电化学储能,有望加速硫物种转化、缓解多硫化物穿梭效应,改善电池性能。然而,硫的多电子转化涉及复杂的反应网络,逐一计算和比较所有路径成本高昂;光生载流子的俘获、弛豫与复合又会影响还原反应可利用的电荷,仅凭静态反应自由能分析难以揭示光电催化协同机制。针对这些问题,北京师范大学化学学院龙闰教授、方维海院士联合 Oleg V. Prezhdo 教授,发展了融合图论、机器学习与非绝热分子动力学(NAMD)的多尺度计算框架(图1),将反应网络分析与激发态载流子动力学相结合,研究光辅助锂硫电池的反应路径及其调控机制。

图1. 研究总体思路示意图
锂硫电池放电时,S8 经16e还原生成 Li2S,其间涉及多种多硫化锂中间体及相互竞争的转化路径。研究团队以21种反应中间体为节点、基元反应为有向边,并将DFT计算的反应自由能变化赋予相应边,借助Neo4j图数据库构建双向反应网络,分别描述放电还原与充电氧化过程。通过广度优先搜索及反应约束筛选,团队提取出407条完整的16e反应路径。其中,286条路径涉及与三种吸附构型相关的关键上坡步骤:MoS2@Li2S2、MoS2@Li2S3和MoS2@LiS3,对应自由能增量分别为0.57、0.67和1.05 eV。该方法将网络拓扑与筛选约束分离,以结构化三元组反应信息,为复杂反应路径的自动搜索与比较提供了可扩展工具。
为分析路径中间体组成与关键上坡步骤的关联,团队采用词袋模型(bag-of-words),将各类多硫化锂在路径中的出现频次编码为特征向量,并训练Transformer模型,建立路径组成与关键步骤之间的统计映射,预测各路径上坡自由能增量的累积值。
反应自由能描述热力学驱动力,而光辅助反应的效率还取决于光生电荷能否被有效俘获并维持足够长的寿命。为此,团队针对上述三种关键吸附构型(MoS2@Li2S2、MoS2@Li2S3、MoS2@LiS3)开展NAMD模拟,追踪电子向吸附物相关局域态的转移、弛豫及电子–空穴复合过程(图2),并将能够有效接收光生电子、形成较长寿命电荷占据的相关态定义为“光致还原活性态”(PI-RAS),用于评价其参与后续还原反应的潜力。

图2. NAMD模拟结果
结果表明,MoS2@Li2S2对应步骤的上坡自由能增量最低(0.57 eV),且计算得到的载流子复合寿命较长(117 ps);MoS2@Li2S3的寿命为83.4 ps,而MoS2@LiS3对应步骤的上坡自由能增量更高(1.05 eV)。因此,MoS2@Li2S2在热力学代价与电荷保持能力两方面表现出较有利的组合。综合反应自由能与载流子寿命,团队从407条路径中筛选出两条优选的十六电子还原路线,其上坡自由能增量累积值分别为1.17和1.36 eV(图3)。

图3. PALSBS最优反应路径
这项工作首次构建了涵盖16e硫转化及多种中间体基元反应的双向网络,提高了复杂反应路径的搜索与筛选效率。通过融合图反应网络、机器学习与非绝热分子动力学,研究将反应热力学与光生载流子动力学相结合,为理解光辅助锂硫电池的光电催化协同机制提供了多尺度理论框架。该方法也为CO2还原、硝酸根还原等复杂多电子反应提供了可借鉴的研究思路:既关注热力学“门槛”,又关注激发态寿命,才能更可靠地识别有利路径并指导催化剂设计。
该工作以“Photoelectrocatalytic Chemical Pathways in Photoassisted Lithium−Sulfur Batteries via a Multiscale Graph-Based Machine Learning Framework”为题发表在《Journal of the American Chemical Society》(J. Am. Chem. Soc. 2026, 148, 14624−14633)。