随着便携式电子设备和电动汽车等领域的迅速发展，迫切需要研发新一代具有高理论比容量和优秀循环稳定性的负极材料。硅基负极以其较高的比容量（1400~4000 mAh g-1），合适的工作电压（< 0.4 VvsLi/Li+）和丰富的储量等优点被认为是最有希望在未来代替石墨负极的材料。然而硅基负极在嵌锂/脱锂过程中伴随着巨大的体积变化（130~300%），电极内部颗粒会被机械应力粉化，传统电解液分解形成的固体电解质界面相（SEI）不能适应循环过程中的体积效应而破碎，不断发生破裂和反复生长，最终造成电池容量迅速衰减。

水系电池凭借其水基电解液的本征阻燃特性，在安全储能领域展现出巨大的应用潜能。以铅酸及镍氢为代表的传统水系电池虽已广泛应用于汽车启动与民用电子设备，但其受限于极低的储能密度。当前，大规模储能普遍采用以磷酸铁锂为正极的商用锂离子电池，尽管其能量密度得到显著跃升，但有机电解液的易燃属性使其面临严峻的安全隐患。因此，开发兼具高能量密度、长循环寿命及本征安全性的新型水系电池，已成为破解现代储能技术瓶颈的重大前沿课题。

钴酸锂（LiCoO2）凭借较高的体积能量密度和成熟的产业基础，广泛应用于消费电子领域。提高充电截止电压可进一步提升其容量，但当截止电压升至4.55 V以上时，深度脱锂易引发相变、晶格氧活化与流失、Co溶出及电解液分解等问题，导致循环稳定性下降。

锂离子电池技术从电化学原理上依赖于正负极材料的电子得失和锂离子脱嵌。目前对于正负极材料的研究主要集中于材料在电化学脱嵌锂过程中的结构变化，而忽略了由过渡金属或晶格氧的氧化还原带来的材料磁性和电子自旋的变化。而这些磁性行为的变化、电子自旋的变化，直接和材料的电子结构相关，会影响材料的价态导带位置及电子导电性，并和材料的相结构演化同步进行，最终影响材料的电化学性能。因此，建立电极材料在脱嵌锂过程中的磁行为和电子自旋的演化规律，并和材料的宏观晶格结构演化关联起来，有可能从底层电子结构角度深入理解材料的电化学机制，为下一代高性能电池的电极材料设计提供指导

近年来，人工智能驱动材料发现已成为国际材料科学的重要发展方向，而如何实现材料结构的高效表征与可解释学习，则是其中最核心的科学问题之一。北京大学深圳研究生院新材料学院潘锋教授团队长期致力于图论结构化学、代数拓扑与人工智能材料设计研究，围绕材料结构数学表征与智能发现建立了一系列原创方法体系。团队先后发展了基于代数图论与自监督学习的分子表征框架，实现小样本条件下有机分子性质的高精度预测（Nat. Commun. 2021, 12, 3521）；建立了基于有向图与路径同调的结构化学理论，实现对构型异构体、手性分子、高熵合金催化剂等复杂体系的数学表征（J. Phys. Chem. Lett. 2023, 14, 954）；提出多尺度拓扑学习（Multiscale Topological Learning, MTL）框架，成功发现多种潜在高性能锂快离子导体材料（J. Am. Chem. Soc. 2025147, 20888）；进一步发展持续GLMY同调（Persistent GLMY Homology）与生成模型相结合的催化材料逆向设计方法，实现高性能催化活性位点的智能生成与预测（npj Comput. Mater. 2025, 11, 147），以及基于这些基础研究编著了《人工智能材料学-AI4M》。上述研究逐步构建起“图论结构化学—拓扑学习—人工智能材料设计”的完整研究体系，为拓扑学方法在材料科学中的应用奠定了重要基础。

金属有机框架（MOFs）因结构可调、应用广泛而备受关注，X射线衍射技术在材料表征领域的应用也已经比较成熟，但在高通量实验与自驱动实验室场景中，如何高效解析MOF材料的粉末X射线衍射（PXRD）数据，并据此预测晶体结构仍困扰着研究人员。北京大学深圳研究生院新材料学院潘锋教授团队致力于图论结构化学、AI4S和材料基因组学的研究，成功使用人工智能解析XRD，创新性地提出了一种基于扩散模型的生成式人工智能框架Xrd2Mof。该模型以PXRD图谱、金属节点和有机配体信息为输入，以MOF结构为输出，并首次将粗粒度化表示引入该任务中，用于提取与衍射最相关的骨架几何特征，从而保留关键“材料基因”信息。相关成果以“Interpreting X-ray Diffraction Patterns of Metal–Organic Frameworks via Generative Artificial Intelligence”为题，发表于《美国化学学会杂志》（JACS, 2026, 148, 1, 869–878）。

钴酸锂（LiCoO₂，LCO）因具有较高的体积能量密度，长期以来被广泛应用于消费电子产品的锂离子电池中。为进一步提升电池能量密度，提高充电截止电压成为释放LCO容量的重要途径。然而，当工作电压提升至4.5 V以上时，深度脱锂状态下的LCO容易发生表面晶格氧流失、近表面结构重构以及界面副反应加剧等问题，导致循环稳定性显著下降。因此，揭示高电压条件下LCO表面结构退化的起始机制，并据此发展有效的表面调控策略，是提升其高电压循环稳定性、延长循环寿命的关键所在。

硅（Si）基负极因其极高的理论比容量、低工作电位、储量丰富及环境友好性，被认为是下一代高能量密度锂电池的关键材料。然而，其在充放电循环过程中产生的剧烈体积变化会严重破坏导电网络与粘结网络，导致结构失稳与电接触失效。因此，迫切需要构建一种兼具力学韧性与形变自适应能力，且具备良好电子传导性能的新型粘结体系。

钴酸锂（LiCoO2，LCO）正极目前仍是消费电子领域锂离子电池的主流正极材料。然而，随着工作电压升高（> 4.5 V），钴酸锂层状正极材料将面临结构不可逆相转变、严重界面副反应、表面过渡金属溶解以及晶格氧参与电化学过程等问题，导致正极-电解液界面（CEI）阻抗增加和电极容量迅速衰减。针对这一挑战，潘锋教授课题组在前期研究中通过表面包覆物结构调控与氟化电解质设计等策略，在高电压钴酸锂表面精准构筑了功能化CEI层，显著提升了钴酸锂表界面结构稳定性与体相相变可逆性（Adv. Energy Mater., 2024, 14, 2402223；Adv. Mater., 2024, 36, 2408875；Energy Environ. Sci., 2024, 17, 7944；Adv. Funct. Mater., 2025, 2504165）。