将来在规模上使用LI金属电池(LMB)需要电解质,这些电解质在快速充电和低温工作方面赋予了性能。最近的著作表明,li +的脱溶性动力学在实现这种行为方面起着至关重要的作用。但是,通常通过将定性离子配对诱导到系统中来实现此过程的调制。在这项工作中,我们发现对离子配对的更定量控制对于最大程度地减少电气界面处的脱溶剂惩罚至关重要,从而在动力学菌株下的Li金属阳极的可逆性至关重要。基于强和弱结合的醚溶剂的局部电解质中证明了这种效果,从而可以对溶剂化学和结构进行反卷积。出乎意料的是,我们发现超高度温度和高速率运行的最大离子配对度是次优的,并且通过远离饱和点的轻微局部稀释,可逆性大大提高。此外,我们发现,在每个系统的最佳离子配对程度下,弱结合的溶剂仍然会产生较高的行为。这些结构和化学对电荷转移的影响将通过实验和计算分析明确解决。最后,我们证明了局部优化的二乙基醚 - 基于局部 - 高浓度电解质支持动力学紧张的工作条件,包括循环至-60°C和LMB全细胞中的20-分钟快速充电。这项工作表明,对于开发能够低温度和高速运行的LMB电解质,必须进行明确的定量优化。
在3个基于Glyme的Na-S基电解质上了解其在电池中的行为。•方法论:研究包括详细的理化和电化学测试,然后使用密度功能理论(DFT)模拟进行分子水平理解。
摘要 水系锌离子电池因其高功率密度、本质安全、低成本和环境友好等优点,近年来受到了广泛的关注。然而,其能量密度低、循环寿命短等缺点严重阻碍了其应用,这主要归因于锌枝晶、界面副反应、水分解引起的电位窗口窄等问题,而这些问题都与水系电解液中Zn 2 +的溶剂化结构密切相关。因此,本文全面总结了近年来调控Zn 2 +溶剂化结构的策略的研究进展,特别是锌盐、非水系共溶剂和功能添加剂对Zn 2 +溶剂化结构及其对水系锌离子电池电化学性能的影响。此外,本文还对具有独特溶剂化结构的水系电解液的设计和商业化所面临的挑战和可能的解决方案进行了展望。
氰基有机发色团在光毒素催化中成为理想的养育剂。1 - 3在寻找可用的阴极电势窗口的扩展时,它们被用于所谓的连续光诱导的电子传递机制(Conpet,图,图。1a)。conpet工艺是由per烯比二酰亚胺染料4率先提出的,并进一步扩展到其他有机彩色团,5个,例如Dicyanoanthtaracene,6 Rhodamine 7和Eosin。8大多数情况基于中性光催化剂和相应的自由基阴离子,如图1a,但也有有关阳离子光催化剂的报道,相应的中性自由基形成了第一个光诱导的电子传递过程。9,10最近,蓝氰烯进入了竞技场,用于各种反应,包括活化还原性顽固的芳基氯化物。11 - 20
由于 SMD 溶剂模型(参见下文)只能处理单一溶剂,因此对溶剂混合物进行了处理以确定“影响溶剂”。显然,溶剂性质不是组成溶剂性质之间的简单线性插值。确定用哪种单一溶剂替代溶剂混合物有些武断,但我们使用两个原则来指导我们的推理:(1) 优先溶剂化和 (2) 活性。2 优先溶剂化意味着离子将优先被与其相互作用最强的溶剂溶剂化。因此,与极性较小的溶剂相比,极性较大的溶剂在溶剂化离子反应物方面的影响应该比基于其摩尔分数预期的要大。少数溶剂的活度系数会更高,这意味着它们将发挥比原始数字所示的更高的“有效”摩尔分数。通过结合这两个原则,我们得出了二元溶剂混合物的以下经验法则:如果极性溶剂的摩尔分数至少为 0.2,则它将用作工作流程中的单一溶剂,否则将使用极性较小的溶剂。
(2024 年 6 月 22 日收到;2024 年 10 月 27 日修订;2024 年 11 月 6 日接受)摘要。醌具有高氧化还原电位,使其适用于有机氧化还原液流电池。它们在充电过程中的氧化和放电涉及两个可逆的电子转移反应。本研究利用密度泛函理论 (DFT) 与 B3LYP 函数和 6-31G(d) 基组来计算苯醌 (BQ) 的第一和第二还原电位。通过添加电子给体取代基 (-NHCH 3 、-NH 2 、-OCH 3 、-NHCOCH 3 、-OCOCH 3 ) 生成各种 BQ 衍生物。通用溶剂化模型 (SMD) 评估了溶剂效应,而锂盐、溶剂化自由能和 HOMO-LUMO 能量影响还原电位。 -OCOCH₃ 取代的 BQ 显示出最高的第一和第二氧化还原电位,分别为 2.81 V 和 2.27 V。添加三氟化硼 (BF 3 ) 盐可将这些电位升高到 3.99 V 和 3.84 V。在三种溶剂中检查了 BQ 及其衍生物的电化学行为:四氯化碳 (CCl₄)、乙腈 (ACN) 和水 (H₂O)。这些溶剂中的平均还原电位遵循 CCl₄ < ACN < H₂O 的趋势,其中水由于其氢键和极性而最有效。这些发现强调了溶剂特性对电化学过程的重大影响。关键词:苯醌衍生物、DFT、电子亲和力、还原电位、氧化还原液流电池、溶剂化自由能、SMD 溶剂化模型
血脑屏障 (BBB) 在阻止有害的内源性和外源性物质进入大脑方面起着关键作用。小分子中枢神经系统药物的最佳大脑渗透性以较高的未结合脑/血浆比 (Kp,uu) 为特征。尽管据报道各种药物化学策略和计算机模型可改善 BBB 渗透性,但没有一种能够直接预测 Kp,uu。我们描述了一种基于物理的计算方法,即溶剂化自由能计算(溶剂化能或 E-sol),以预测 Kp,uu。该方法在内部中枢神经系统药物发现计划中的前瞻性应用凸显了这种新方法的实用性和准确性,该方法显示线性回归模型的分类准确率为 79%,R 2 为 0.61。
2023 年 9 月 20 日——分子自组装的驱动力。大分子的结合协同性、溶剂化、滴定。M. Birnbaum、C. Voigt。生物工程...