IT之家 5 月 7 日消息，清华大学今日官宣，该校深圳国际研究生院副教授周光敏团队打破传统模式，借助量子化学和机器学习，像“搭积木”一样设计功能分子，从 196 种分子组合中筛选出一种可被“唤醒”的硫电化学“预分子介体”，使其在电池反应现场转化为活性分子，重塑复杂硫转化路径，极大提升锂硫电池的能量密度，有望显著延长无人机续航时间。
2026 年 5 月 6 日，相关成果以“硫电化学预分子介体的分子骨架编程”（Molecular skeleton programming of premediators in sulfur electrochemistry）为题，在线发表于《自然》（Nature）。
[推广] 免费送奖品价值超万元：程序员 VIbe Coding 最佳搭子，行走式编程最佳形态！
[推广] 免费送奖品价值超万元：程序员 VIbe Coding 最佳搭子，行走式编程最佳形态！
锂硫电池具有非常高的理论能量密度，同时由于硫元素储量丰富、成本低廉，被认为是有希望支撑未来高比能应用的重要电池体系。
然而，锂硫电池实际应用场景中却面临一个难题：硫在充放电过程中不是“一步到位”，而是一条“充满许多中转站的行车运输路线”—— 需要经历一系列复杂的中间反应，生成溶解于电解液的多硫化物和最终产物固体硫化锂。“中转路线”越复杂，就越容易出现中间产物“跑偏”“反应堵车”“能量损失”等现实问题。
针对上述挑战，周光敏团队原创性地提出硫电化学“预分子介体”概念，建立了一套“量子化学 + 机器学习”驱动的智能分子骨架编程方案，成功从 196 种候选分子中筛选出高性能预分子介体 —— 4-三氟甲基-2-氯嘧啶。
该团队使分子最初在电解液中处于“沉睡”状态，只有进入硫反应现场后，分子才会被多硫化物原位“唤醒”，从而转化为真正发挥作用的活性介体。
此外，团队开发了“量子化学 + 机器学习”智能分子骨架编程方法，构建了 196 种候选分子作为“积木搭建方案”，通过量子化学计算和机器学习筛选，最终找到了性能优异的预分子介体，赋予了锂硫电池优越的电化学性能。
团队结合理论计算和人工智能驱动的可解释机器学习模型，对预分子介体的元素组成和几何构型进行了定向优化设计，最终筛选出的 4-三氟甲基-2-氯嘧啶，可使电池的电荷转移阻抗相比使用常规电解液的锂硫电池下降 75%，从而显著加速硫转化反应动力学。同时，基于该预分子介体的锂硫电池可在 1C 快充倍率下稳定循环 800 圈，容量保持率达 81.7%。
在面向实际应用的软包器件验证中，团队还在高硫载（28 mg / cm2）和贫电解液（3.4 mL/g）的严苛条件下，构筑了总容量 14.2 Ah 的锂硫软包器件，其能量密度可达 549 Wh/kg—— 这意味着，单位重量的该电池能够储存相比常规动力锂离子电池更多的电能。
IT之家附论文链接：
https://www.nature.com/articles/s41586-026-10505-8