《Current Opinion in Electrochemistry》：Polymer Electrolytes for Rechargeable Zn-Air Batteries: Emerging Fabrication Strategies and Smart Functional & Machine Learning Perspectives
编辑推荐：
锌空气电池（ZABs）因高能量密度和环保优势受关注，但其电解质存在泄漏、枝晶生长和界面不稳定性等问题。聚合物电解质（PEs）通过结合离子导电性与机械柔韧性，采用水凝胶、准固态（QSSEs）及纳米复合材料提升性能，电纺纳米纤维膜增强离子传输。机器学习加速电解质设计优化，形状记忆聚合物实现自适应功能。这些进展推动ZABs向安全、高效、柔性方向发展，适用于可穿戴设备与电网储能。
Tawan Wongsalam | Peerawat Prathumrat | Nuttapon Tanalue | Chutiwat Likitaporn | Manunya Okhawilai
泰国曼谷朱拉隆功大学工程学院化学工程系，邮编10330
摘要
锌空气电池（ZABs）由于其高能量密度、低成本和环境友好性而成为有吸引力的储能系统。然而，其实际应用受到电解液泄漏、枝晶生长和界面不稳定性等问题的限制。聚合物电解质（PEs）提供了一种有前景的解决方案，它结合了离子导电性和机械灵活性，并提高了安全性。最近的进展包括具有优异保水性能的水凝胶电解质、具有更好尺寸稳定性的准固态聚合物电解质（QSSEs），以及含有纳米材料或生物基成分的复合或混合系统，这些都有助于提高导电性和耐用性。静电纺丝纳米纤维膜通过其高孔隙率和可调微结构进一步增强了离子传输。诸如机器学习等新兴策略通过预测关键的结构-性能关系加速了电解质的设计，而形状记忆聚合物为灵活可穿戴的ZABs提供了自修复功能。因此，这些发展表明聚合物电解质有助于实现安全、高效和多功能的ZABs，推动了其在下一代可持续储能应用中的潜力。
引言
锌空气电池（ZABs）因其高达1086 Wh kg?1的能量密度、成本效益和环境友好性而成为有前景的下一代储能系统[1] [2]。然而，ZABs的性能和耐用性受到其电解质特性的限制。传统的液体电解质通常存在泄漏、不可控的锌枝晶形成以及电极-电解质界面兼容性差的问题[3] [4]。这些缺点限制了ZABs的循环性能和可扩展性。
为了克服这些挑战，最近的研究转向了先进的聚合物电解质，它们结合了液体的离子导电性和固体的结构完整性。水凝胶、准固态系统和复合材料在离子传输、机械强度和可调电极界面方面取得了显著进展[5] [6]。新兴材料如聚乙烯醇（PVA）和聚丙烯酰胺（PAM）水凝胶、静电纺丝纳米纤维膜以及增强有金属有机框架（MOFs）或MXenes的复合材料代表了该领域的前沿方向[7] [8] [9]。此外，机器学习（ML）的整合加速了电解质系统的发现和优化，而形状记忆效应的引入为ZABs提供了自适应和自修复功能[10] [11]。因此，这些发展为更安全、更耐用和更灵活的ZABs铺平了道路，使其能够应用于从可穿戴设备到电网规模的储能系统。
聚合物电解质在ZABs中的基本作用和要求
ZABs由四个关键组件组成：锌负极、空气正极、电解质和隔膜[12]。其中，电解质在放电和充电过程中通过影响质量传输和界面反应起着关键作用，直接影响电池的整体性能[13]。隔膜通过选择性允许OH-迁移同时阻止锌酸盐离子的交叉，从而进一步提高了电化学效率。
用于ZABs的聚合物电解质的静电纺丝
静电纺丝已成为制备具有可控微结构的PEs和隔膜的一种多功能技术。所得到的纳米纤维膜通常具有高孔隙率、大的比表面积和高孔隙度，这些特性共同促进了电解液的润湿性和连续的离子传输路径，从而提高了电化学性能和循环稳定性[26] [27] [28]。
静电纺丝膜作为GPEs特别具有吸引力，因为它们同时具备...
机器学习和数据驱动设计
机器学习（ML）正成为下一代ZAB开发中的强大工具，尤其是在基于聚合物的电解质的数据驱动设计方面。通过分析大型多维数据集，ML模型可以预测关键参数，如离子导电性、片段运动和水分吸收，显著减少了试错实验的依赖性[30]。随着电解质结构变得越来越复杂（包括水凝胶、复合网络等），这种能力尤其有价值。
结论
聚合物电解质已成为推进ZABs不可或缺的组成部分，解决了传统水基系统的固有局限性。HPEs和QSSEs提供了离子导电性、机械灵活性和界面稳定性的平衡组合，而复合和混合系统通过聚合物-填料之间的协同作用进一步提高了电解液的保留性和耐用性。先进的制造方法，特别是静电纺丝，使得生产高孔隙率的...
CRediT作者声明
Tawan Wongsalam：概念构思、验证、资源获取、数据管理、初稿撰写、审阅与编辑、可视化。
Peerawat Prathumrat：概念构思、验证、资源获取、数据管理、初稿撰写。
Nuttapon Tanalue：概念构思、验证、资源获取、数据管理、初稿撰写。
Chutiwat Likitaporn：资源获取、数据管理、验证、初稿撰写。
Manunya Okhawilai：概念构思、资源获取、监督。
数据可用性
本文所述研究未使用任何数据。
利益声明
? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了NSRF通过人力资源与机构发展项目管理单元（项目编号B49G680115）的支持。同时感谢泰国国家研究委员会（NRCT）和朱拉隆功大学（项目编号N42A680292）、泰国科学研究与创新基金以及皇家工程院（项目编号FC2425-5-128）的支持。
