玻尔百科每一块电池，无论是你手机里的还是电动汽车里的，都有其有限的寿命。随着时间的推移，其保持电荷的能力不可避免地会下降，这一过程被称为容量衰减。但为什么会发生这种情况呢？理解电池衰退的复杂机制是储能科学中最关键的挑战之一。仅仅观察到电池正在失效是不够的；我们必须诊断出其内部的具体病症才能对症下药。本文将深入探讨两种主要“元凶”之一：活性材料损失 (LAM)，即电池的存储基础结构本身开始崩塌的过程。我们将探索如何将 LAM 与其对应物——锂离子存量损失 (LLI)（即电荷载体丢失）区分开来。在接下来的章节中，我们将首先揭示 LAM 的基本“原理与机制”，探索电极材料如何开裂和被孤立。然后，我们将在“应用与跨学科联系”中连接理论与实践，发现这些知识如何被用于诊断故障、预测电池寿命以及设计更智能、更耐用的能源系统。
为了理解电池为何会衰减，我们可以把它的电极想象成一个存放锂离子的图书馆。电极的活性材料是书架，提供了大量的槽位来存放锂离子——也就是书。给电池充电就像是从正极的书架上取下书，放到负极的书架上。放电则是相反的过程。电池的容量就是它能来回搬运的书的总数。
然而，在这个图书馆里，事情可能会出错。书可能会损坏，或者书架本身可能会断裂。这两种情况恰好可以类比电池中两种主要的“热力学”失效模式：锂离子存量损失 (LLI) 和 活性材料损失 (LAM)。LLI 就像是书本被永久地卡在了某个地方——也许是在装订处或掉到了书架后面——导致它们再也无法被借阅。而我们在此关注的 LAM，则是书架本身断裂或变得无法触及。书本可能仍然完好无损，但如果它们所在的架子坍塌或被隔开，图书管理员就无法接触到它们了。
那么，是什么导致我们电池的“书架”断裂呢？大多数现代电池中的活性材料并非一整块坚固的固体，而是由无数微观颗粒组成，所有这些颗粒都连接在一个多孔的导电网络中。当你对电池进行充放电时，锂离子会挤进或冲出这些颗粒的晶体结构。
这个过程并不温和。想象一下，强行让一位客人进入一个已经拥挤的房间；墙壁必然会向外凸出。同样，活性材料颗粒在每个循环中都会膨胀和收缩。这种持续的、有节奏的“呼吸”会在整个电极中引发机械应力。就像你来回弯折一个回形针会将其折断一样，这种循环应力经过成百上千次循环后，会导致微观裂纹的形成和扩展。这种现象是机械疲劳的典型例子。
裂纹可能起初很小，但随着每个循环的进行，它会变得越来越长。最终，它可能会切断活性材料颗粒的一部分，或一整簇颗粒，使其脱离电气网络。这会产生一个“电子孤立岛”。这种材料虽然仍在物理上存在，但它已经失去了与集流体——电子的高速公路——的连接。锂离子可能仍被困在其中，但它们无法参与电化学反应。那部分“书架”已经与图书馆的主系统断开连接，变得不再活跃。这个过程就是活性材料损失机制的核心。
我们不能简单地打开电池来数有多少破碎的颗粒。那么，我们如何知道 LAM 正在发生呢？幸运的是，这些内部变化会在电池的电学行为中留下独特且可测量的线索。通过扮演侦探，我们可以将 LAM 与其“犯罪伙伴” LLI 区分开来。
最直接的线索来自对电荷的简单核算，即库仑效率 (CE)。它是放电过程中输出的电荷与充电过程中输入的电荷之比：。
在锂离子存量损失 (LLI) 的情况下，一部分锂和电子在持续的寄生副反应中被消耗掉，就像固体电解质界面膜 (SEI) 的无休止建设项目。这意味着你输入的电荷总是比你取出的要多。结果是库仑效率明显低于 100%（例如，）。你总是在不断地丢失“书本”。
然而，在纯粹的活性材料损失 (LAM) 情况下，并没有发生这种寄生反应。图书馆只是在缩小，但它并没有因为副反应而主动丢失书本。对于你设法放置在剩余功能性书架上的每一个锂离子，你都可以将其取回。因此，库仑效率保持在非常接近 100% 的水平（例如，）。在电池总容量衰减的同时观察到高而稳定的 CE，是 LAM 发生的铁证。
一个更复杂的线索隐藏在电池的电压曲线中。开路电压并非恒定不变；它随荷电状态而变化，产生一条独特的曲线，几乎就像一首有自己旋律和节奏的歌曲。这条曲线的具体形状是由电极材料的基本特性决定的。通过观察这条曲线的导数——一种称为差分电压分析 (DVA) 或增量容量分析 (ICA) 的技术——我们可以生成一个带有明显峰值的“频谱图”。每个峰值对应一个特定的电化学事件，比如某个电极在填充锂离子时发生的相变。
这些峰值就是我们的指纹。它们如何随老化而变化，告诉我们谁是罪魁祸首。
LLI 的特征： 当锂离子存量损失时，会导致两个电极的工作窗口之间发生相对“滑动”。想象两把尺子相互滑过。每把尺子上的刻度特征没有改变，但它们的相对位置变了。这导致整个电压曲线发生移动，通常是沿着电压或容量轴。在 DVA/ICA 图中，所有的峰——无论是来自正极还是负极的——都会一起平移。峰之间的间距保持不变，但整个模式移动了。这就是 LLI 的特征：电化学特征的刚性平移 [@problem_d:3893103]。
LAM 的特征： 当活性材料损失时，情况就不同了。剩余的健康材料的基本特性没有改变。因此，对应于石墨负极中相变的峰值仍会出现在相同的负极电位处。然而，现在这种材料的量减少了。这意味着该峰值的容量贡献——其在 ICA 图中的面积——将会减小。如果正极正在损失材料，其峰值会收缩。如果负极正在损失材料，其峰值会收缩。至关重要的是，这些峰值不会系统性地改变它们相对于彼此的电压位置。LAM 的特征是 DVA/ICA 谱中特定峰值的选择性衰减或收缩，而不是均匀的平移。
这种区分非常强大。通过观察电池歌曲中的“音符”是移动了位置还是仅仅音量减弱，我们就可以诊断出其潜在的病症。
最终，我们关心这些机制是因为它们会降低电池的性能。LAM 最明显的影响是容量的直接损失。如果图书馆里的书架变少了，你能存放的书也就变少了。你的 电池变成了 电池。
但后果远不止于此。一个电池可以提供的总能量不仅取决于其容量 ()，还取决于其电压 ()。虽然 LAM 主要攻击容量，但它也会降低电池的功率性能。电化学反应的速度取决于可用的表面积。通过产生孤立、不活跃的岛屿，LAM 有效地减少了电化学活性表面积。这使得反应更加迟缓，增加了电池的内阻和动力学过电位。为了获得相同的电流，电池必须“更努力地工作”，这表现为更大的电压降。这损害了能量效率——每个循环中更多的能量以热量的形式浪费掉——并最终限制了电池可以安全提供的功率。
通过理解活性材料损失背后的原理——从导致它的机械应力到揭示它的电化学指纹——我们不仅可以诊断电池的健康状况，还可以设计出更具弹性的材料和更智能的操作策略，以使我们自己的“锂离子图书馆”尽可能长时间地开放。
在上一章中，我们深入电池电极的微观世界，理解了活性材料如何损失的基本原理。我们看到，无论是通过化学转化、结构坍塌还是彻底溶解，结果都是一样的：存储和输送能量的能力减弱。但对于物理学家或工程师来说，理解一种现象仅仅是个开始。真正的探索在于应用这些知识。这个看似抽象的“活性材料损失”(LAM) 概念在我们日常使用的技术中是如何体现的？我们如何诊断它、预测它，甚至可能智取它？
本章正是关于这段从原理到实践的旅程。我们将看到，理解 LAM 不仅仅是一项学术活动，更是电池侦探、系统设计师乃至人工智能的一个关键工具。正是在这里，电化学与材料科学、机械工程、控制理论和计算机科学握手言和，揭示了科学探索中美丽而复杂的统一性。
活性材料损失并非一个单一、孤立的反派；它是一群由不同物理和化学元凶组成的“流氓画廊”，每个都有自己独特的方法。通过观察几种不同类型的电池，我们可以领略这些机制的多样性。
以汽车界的“老将”铅酸电池为例。如果你把它长时间置于放电状态，它可能永远无法恢复全部容量。原因是一种经典的 LAM 案例，称为“硫酸化”。在正常操作中，活性材料（铅和二氧化铅）会转化为一种细小的、无定形的硫酸铅(II)粉末。这个过程是容易可逆的。但如果任其静置，这些微小颗粒为了寻求更低的能量状态，会开始溶解和重结晶，形成大的、坚硬的、稳定的晶体。这些晶体不仅是电绝缘的，而且在充电时顽固地抗拒被转化回去。活性材料并未消失，但它在物理上被锁定成一种电化学上无法接触的形式——这是通过物理相变实现 LAM 的一个完美例子。
一个相似但情节不同的故事发生在常见的一次性碱性电池中。你是否曾想过为什么不能给它们充电？主要原因之一在于锌负极的行为。在放电过程中，锌被氧化成氧化锌。然而，在浓碱性电解液中，这种氧化锌并不会静静地待着；它会溶解形成一种可溶的“锌酸盐”物质。如果你试图通过充电来强行逆转反应，这种溶解的锌不会整齐地镀回其原始形态。相反，它会以一种混乱、苔藓状和枝晶状的结构重新沉积。这些锌枝晶可以穿透隔膜，导致短路，或者它们可能与主电极断开连接，失去电接触。无论哪种情况，活性锌材料都 фактически丢失了，不是因为它改变了化学性质，而是因为它改变了形状和位置。
活性材料物理上移动到不该去的地方，这一主题是许多下一代电池技术的核心挑战。例如，在前景广阔的锂硫电池中，一种被称为“多硫化物穿梭”的现象是主要障碍。在放电过程中，硫被转化为各种称为多硫化锂的中间化合物。问题在于，其中许多化合物都可溶于液体电解液。它们不会停留在正极。相反，它们溶解并扩散到整个电池，就像一个漏水的桶失去了它的内容物。当它们到达锂金属负极时，它们会发生寄生反应，既消耗了活性硫也消耗了活性锂，而没有产生任何有用的电流。随着每个循环的进行，越来越多的活性材料从正极损失，导致容量迅速衰减。
看到这些失效模式是一回事；在一个密封、正常工作的电池中诊断它们则是另一回事。我们不能简单地切开电动汽车的每一块电池来看看出了什么问题。正是在这里，电化学科学变成了一种侦探工作。电池的整体容量衰减只是一个症状。真正的问题是，根本的病因是什么？是“储锂罐”受损的活性材料损失 (LAM)？还是锂离子本身在副反应（如固体电解质界面膜 SEI 的形成）中被消耗掉的锂离子存量损失 (LLI)？
为了区分这些元凶，科学家和工程师们开发了一套出色的无损技术，利用电池自身的电响应作为线索来源。其中两个最强大的工具是增量容量/差分电压 (IC/DV) 分析和电化学阻抗谱 (EIS)。
想象一下，绘制电池电压与容量的关系图，而不是与时间的关系图。这条曲线并非平滑的；它有独特的峰谷，对应于电极材料内部特定的相变——就像锂嵌入石墨的不同“阶段”。IC/DV 分析本质上是这条曲线的导数，。这个过程极大地突出了这些特征，将它们变成清晰、尖锐的峰。峰下的面积对应于经历该特定相变的活性材料的数量，而峰的位置对电池的整体平衡很敏感。如果石墨负极发生 LAM，石墨峰的面积将会收缩。如果发生 LLI，整套石墨峰将沿着电压轴移动，因为两个电极的相对荷电状态发生了滑动。通过比较老化电池与新电池的 IC/DV 特征，工程师可以诊断出主要的“死因”是 LAM、LLI 还是两者的结合。
电化学阻抗谱 (EIS) 提供了窥探电池灵魂的另一扇窗口。在这种技术中，一个小的、振荡的交流电压被施加到电池上，频率范围很宽，并测量产生的电流。通过分析每个频率下电压和电流之间的关系，我们可以将电池对电流流动的总阻力——即其阻抗——分解为其组成部分。极高频下的阻抗告诉我们关于电解液和电池组件的简单欧姆电阻。中频范围内的半圆形弧揭示了电荷转移电阻 ，这是衡量电子穿过电极-电解液界面难易程度的指标——一个与活性材料的健康状况和表面积直接相关的量。该值的变化是 LAM 的一个强有力指标。其他频率范围内的阻抗变化可以与 SEI 层的生长联系起来，而后者是 LLI 的主要贡献者。通过将阻抗数据拟合到等效电路模型，我们可以为这些不同的衰退过程赋值，并随时间跟踪它们的演变。
一旦我们能够诊断电池的病症，下一个合乎逻辑的步骤就是预测它们。我们能否预测在特定条件下电池能持续多久？正是在这里，我们对 LAM 的物理理解从诊断领域转向了预测建模领域。
我们可以构建数学模型来捕捉衰退的关键物理过程。例如，我们可以将 LAM 的速率建模为一个以特定速率 进行的化学反应。这个速率不是恒定的；它强烈依赖于温度等条件。就像大多数化学反应一样，衰退在较高温度下会加速。这种依赖性通常可以用著名的 Arrhenius 方程来描述，该方程将反应速率与温度和一个称为活化能的参数 联系起来。
通过将这样一个 LAM 模型与一个类似的 LLI 模型（可能由寄生电流驱动）相结合，我们可以构建一个关于电池健康状态 (SOH) 演变的综合模型。然后我们可以运行模拟，预测 SOH 在不同温度和荷电状态下储存数百天后将如何下降。这种预测能力不仅仅是学术上的好奇心；它对于设计可靠的储能系统、提供保修以及优化大型电池场的运行至关重要。
当然，最终目标不仅仅是诊断和预测故障，而是要预防它。在追求快速充电的过程中尤其如此。将大电流推入电池会产生极端的内部条件——大的过电位、陡峭的浓度梯度和显著的热量产生。这些应力会以剧烈的方式加速 LAM，导致活性材料颗粒的机械开裂，或引发不希望的金属锂析出，这既会消耗锂，又会在物理上隔离部分活性材料。
正是在这里，最激动人心的跨学科联系正在形成。我们现在正进入“智能”电池管理的时代，我们利用对 LAM 的深刻物理理解来教计算机如何以最佳方式为电池充电。挑战在于我们无法实时直接测量 LAM。但我们可以测量那些由与 LAM 相同的应力引起的量。例如，当锂离子被迫进入石墨颗粒时，颗粒会膨胀。这种化学膨胀受到周围材料的约束，会产生巨大的内部机械应力。这种应力可以使用化学-机械模型来计算。储存的弹性应变能是开裂风险的一个极好代表——这是 LAM 的一个直接机制。
然后，我们可以利用这种物理洞察来指导一个强化学习 (RL) 代理。RL 代理的工作是学习最佳的充电策略。我们可以编写它的奖励函数，不仅奖励它快速充电，还要根据计算出的应变能代理来惩罚它。然后，代理将通过在模拟环境中的反复试验，学习一种复杂的充电协议。当内部应力较低时，它会积极充电，但当应力代理表明引发 LAM 的风险过高时，它会自动减小电流。
为了使这样一个智能系统真正有效，它需要高质量的信息。仅仅知道电池正在衰退是不够的；控制器需要知道如何衰退。增加的电阻是由于 LAM 还是 LLI？正如我们所见，简单的恒流充电可能无法提供足够的信息来区分这两者。这导致了电池科学与控制理论之间一个迷人的交叉点，探索如何设计充电电流本身以成为更好的诊断工具。通过在充电协议中嵌入精心设计的小电流脉冲或阶跃，系统可以主动探测电池的内部状态。例如，对电流阶跃的瞬时电压响应可以清晰地测量欧姆电阻（与 LLI 相关），而较慢的电压演变则揭示了关于容量（与 LAM 相关）的信息。这使得系统能够实时“解卷积”衰退模式，并将这些更丰富的信息反馈给 RL 代理，从而实现更智能的决策。
最后，我们对 LAM 的理解对电池之外的世界，即经济和可持续性领域，具有深远的影响。当电动汽车电池的容量降至其初始值的 80% 左右，或其内阻变得过高而无法提供加速所需的功率时，它通常被认为达到了其“寿命终点”。但对于汽车来说的“寿命终点”并非电池的寿命终点。正是在这里，我们讨论的诊断技术发挥了充分作用。
通过执行一套表征测试——例如混合脉冲功率特性 (HPPC) 测试以测量其功率能力，以及 IC/DV 分析以量化其 LAM 和 LLI——我们可以对这些老化的电池进行分级。一个内阻非常高的电池可能甚至不适合中等强度的使用，但一个主要通过 LAM 损失容量但内阻仍然相对较低的电池，可能非常适合“梯次利用”应用。它可以被重新用于要求不高的工作，例如家庭中的固定式储能以储存太阳能，在那里它将以低得多的速率进行充放电。这种准确诊断电池“健康状态”和特定衰退模式的能力，是实现循环经济的关键赋能技术，延长了这些宝贵资源的有效寿命并减少了浪费。
从晶体中原子的微观排列到可持续能源的全球挑战，活性材料损失这条线索将一切联系在一起。它是一个根本的限制，一个科学的谜题，也是一个工程的挑战。通过研究它，我们不仅了解了电池如何死亡，还学会了如何让它们活得更长、工作得更智能，并为一个更可持续的未来做出贡献。