锂电池市场的指数级扩张给获取锂资源带来了挑战。从海水中提取锂已被探索为解决锂供应短缺的潜在解决方案。然而，海水锂提取由于其锂离子浓度低和复杂的海洋环境而面临重大挑战。电容去离子（CDI）技术已显示出从海水中选择性分离金属离子的非凡能力，其中电极材料起着至关重要的作用。传统的电极材料发现方法依赖于试错原理，材料设计和合成的实验过程需要大量的人力和物力。材料信息学的出现彻底改变了电极材料的设计和开发，大幅度的降低了CDI的应用成本。结合研究经验，探讨了理论计算在CDI锂提取中的应用前景，并介绍了近年来不限于CDI锂提取的电极材料的发展进展。重点介绍了利用密度泛函理论（DFT）、分子动力学（MD）和有限元模拟（FES）研究锂提取工艺机理，利用高通量计算和机器学习（ML）筛选新型电极材料的关键点。该研究强调 DFT、MD、ML 和 FES 方法的协同利用，以提供具有指导意义的见解，旨在推进为从海水中提取锂量身定做的有效 CDI 电极材料的设计。

  锂元素在电能的储存中起着举足轻重的作用，使其成为能源领域不可或缺的组成部分。锂矿物，包括锂辉石、锂云母、角长岩、锌瓦尔德矿等，主要分布在澳大利亚、美国、津巴布韦、加拿大、墨西哥和中国等全球各地，表现出广泛且不均匀的分布特征。常见的提取方法有酸浸和焙烧，提供简单的操作的流程、高回收率、高产品纯度和最小的环境影响。然而，蒸蒸日上的电动汽车和电子智能设备导致对锂的需求激增。基于对未来锂消费量的谨慎估计，仅关注电动汽车的扩散，预计到 2080 年，陆地锂储量将耗尽。从盐湖卤水中提取锂资源是缓解锂资源危机的有效措施，锂物种通常以LiCl、Li 2 SO 4 和Li 2 CO的形式存在。事实上，与硬岩相比，从盐湖卤水中提取和回收锂的成本更低，能耗更低。然而，由于存在竞争元素，特别是碱土金属或比例较高的碱金属，如钠、钾和镁，因此出现了挑战。这些元素使从盐湖卤水中提取和分离锂变得复杂。在此背景下，基于双电层或法拉第反应原理的电容去离子（CDI）技术成为具有战略价值的锂提取方法。通过阐明盐湖卤水吸附机理，明显提高盐湖卤水锂提取效率，将CDI技术综合研究成果拓展到海水场景，为该领域贡献宝贵的经验和启示。

  电化学办法能够通过调节化学势来精确控制离子的插入和喷射，从而具有提高效率和出色选择性的优势。特别是，CDI是一种很有前途的电化学方法，用于从海水中提取锂。CDI的优点是能够通过离子淌度、水合、价、离子物种溶剂化和氧化还原活性实现选择性离子分离。此外，在电场的驱动下，特定的吸附剂已经显示出强大的金属离子吸附能力，并提供了简单的提取过程。CDI过程可以类比为电池/超级电容器的充电和放电过程，其中在相对电极之间施加一定电压（通常为1.23 V以防止水解反应）。在充电过程中，溶液中的锂离子被吸附在多孔电极内。当达到饱和时，吸附的离子通过短路或施加反向电压释放，从而促进解吸过程。

  CDI从海水中提取锂的效率主要取决于吸附材料的锂离子选择性。深入研究这些材料在电场和流场共同作用下的吸附过程和吸附机理至关重要。 18 材料信息学有望成为推广CDI技术的有前途的方法，使锂提取材料的探索成为可能，并提供有价值的参考。计算材料设计通过结构-性能模型发现新材料，并利用计算机辅助设计和实验验证，成为材料发现和优化的新方法。本文基于材料信息学对CDI材料设计进行了系统理解，其中CDI作为海水中锂提取的新兴技术，材料信息学有助于解释CDI的吸附机理，探索CDI的高选择性锂吸附剂。通过在实验方面和材料信息学在理论研究方面协同利用强大的CDI技术，可以显着扩展和完善从海水中提取锂的领域。

  CDI电极采用的最佳电吸附材料必须符合特定标准：（i）具有大量离子吸附位点的比表面积;（ii）高电导率和离子迁移率;（iii）提高亲水性，以确保孔隙的充分利用;以及 （iv） 稳健的化学稳定性，以确保 CDI 过程的运行稳定性。 30,31 在内部晶点或原子平面内具有离子插层/脱嵌等特征的电极材料有利于提高CDI性能。除碳基材料外，图2所示的锂离子筛（LIS）、 32 冠醚（CE）、 33 二维（2D）材料、 34 金属有机骨架（MOFs） 35 和共价有机骨架（COFs） 36 等其他一些材料在锂提取方面也引起了广泛关注。其独特的特性可实现更高的离子存储容量、更高的能量密度，即使在低锂离子浓度下也能有效提取。在材料设计领域，模拟这些新型材料在复杂条件域下的离子吸附特性被证明是非常宝贵的。此类仿真加速了适用于CDI的电极材料的迭代设计和开发，提高了该技术的能力，并为不同领域的创新应用铺平了道路。在本节中，对通过CDI提取锂的电极材料进行了详尽的分析，并重点概述了未来在锂提取工艺中应用的预期材料。

  碳基材料是CDI不可或缺的一部分，包括碳纳米纤维、碳气凝胶、碳纳米管、活性炭（AC）、石墨烯等各种迭代。然而，碳基材料主要由于阳极氧化而容易受到电极腐蚀，从而限制了CDI系统的循环稳定性。对此，Cheng等人对元素掺杂、金属氧化物掺杂、聚合物形成等碳改性方法的最新进展进行了全面总结，并提出了一些展望。 37 一般来说，AC是CDI中应用最广泛的电极材料，因为它们具有更高的吸附能力和成本效益。 38 尽管如此，它们的电导率降低和电传输电阻升高限制了它们在 CDI 中的进一步应用。应对这些挑战需要探索新型碳材料。在此背景下，研究人员的重点越来越集中在寻找具有特定孔隙结构的碳电极材料上，并探索化学修饰方法以引入官能团，这对于实现特定离子的选择性吸附或去除至关重要。这些策略有望在CDI框架内显著提高碳基材料的电吸附能力。

  LIS主要由锂离子吸附的金属氧化物组成，体现了在混合盐水溶液中选择性识别和筛选锂离子的非凡能力。这一特性赋予了LISs显著的优势，包括对Li的优异提取选择性 + 、高吸附效率和环境友好性。 39 在各种含离子溶液中，LIS对Li表现出很高的选择性 + ，使其成为迄今为止研究最广泛和最熟练的无机锂离子吸附剂。 40 钛酸锂是一种 41 典型的LIS变体，因其对水生环境无毒且易于从水溶液中去除而脱颖而出。上述属性赋予了锂提取过程操作简单、成熟和强大的可靠性。

  为了进一步提高选择性，能够最终靠考虑结构/组成参数（如比表面积、形态、表面润湿性和官能团）来采用量身定制的修饰。已经探索了各种改性方法来提高材料的导电性和稳定性，包括掺入涂层材料。此外，还开发了减轻锰酸锂中锰溶解损失的策略，包括晶体结构优化、表面改性以及掺杂阴离子、阳离子或过渡金属， 43,44 所有这些都对改进锂提取方法的有效性和适用性做出了重大贡献。

  材料信息学领域是材料科学的一个子领域，在为CDI电极材料提供理论指导、对表征技术进行后处理分析、虚拟筛选具有定制特性的化合物以及描述复杂条件下界面处的锂离子捕获过程方面具有巨大潜力。实验、理论、模拟和数据密集型科学已广泛应用于新材料的探索。 79 在这种范式中，材料信息学的整合已经证明了缩短与新材料相关的开发和商业周期的潜力。 80 数据科学、先进材料研究和制造实践的融合体现了跨学科的进步轨迹。 81 新材料的计算设计和实验室合成已经通过几个成功的例子得到了证明，使这些方法成为材料发现和优化的新途径。原子计算技术可以高精度地预测电极材料的结构特性，从而准确有效地模拟原子与环境之间的相互作用。

  基于DFT的第一性原理量子力学计算能够在实验合成电极材料之前准确预测其结构特性。这些计算允许仅从量子力学、静电势分布、电荷转移等方面精确有效地计算原子相互作用，从而深入了解特定锂离子吸附材料的吸附机制，并实现结构改进的理论预测。 82,83 此外，计算驱动的数据库通常利用来自实验数据库的晶体结构信息，为从以前无法访问的数据集中辨别模式和相关性提供了一种强大的方法。例如，Iklima Oral 等人通过 DFT 计算研究了 15 元、12 元和 9 元 CE 及其衍生物的 Li + + 相对于其他金属离子的选择性络合，其中硫代苯并-15-冠醚-5 实现了 Li 相对于 Mg 2+ 的最佳选择性。 49 Torrejos等人进行的实验研究和DFT计算表明，具有较小腔径的CE表现出良好的选择性，而较大的M + 半径（M + Li，Na，K + ）与笨重的结构和较大的O-M + 距离相协调，阻碍了有效吸附。

  MD仿真基于经典力学、量子力学和统计力学，通过计算机对分子系统的运动方程进行数值求解来研究分子系统的结构性质。这种方法为系统在特定温度和时间的能量和结构提供了有价值的见解，阐明了皮秒内发生的微观结构变化。MD方法广泛用于探究液体电解质，推导电解质的宏观性质，如离子电导率和介电常数，揭示电极-电解质界面的反应机理。

  机器学习是人工智能的基本组成部分，具有从历史数据中快速获取知识的潜力，从而促进不相同的领域的革命性进步。 91 随着大数据与人工智能的深入结合，数据驱动的机器学习在结构设计、材料筛选、性能预测等方面取得了长足的进步。机器学习与材料科学的结合显著加速了新型功能材料的发展，包括二维材料、单原子催化剂和有机锂离子电池材料。 92–95 使用高通量筛选和ML方法设计催化物质的概念也适用于具有高离子吸附选择性和稳定能力的电极材料的设计。

  事实证明，FES有助于解决CDI实验中遇到的许多挑战，包括预测电极材料中离子的浓度分布、确定离子扩散路径和传输速率、解决离子转移/扩散动力学以及一些复杂的难题等任务。 96–98 同时，建立了由电化学、流体力学、传质、传热和固体力学组成的多物理场模型，以研究宏观性能的影响。

  CDI中离子吸附选择性的复杂机理要求我们努力设计最佳电极材料。CDI中最佳电极材料的电化学性能受电场、应力、温度等外部因素的影响。材料信息学领域通过模拟离子-材料相互作用并提供有价值的见解，提供了一个完美的解决方案。用于解释锂离子吸附选择性材料机理的程序如图3所示。电极材料的设计主要体现在吸附的选择上，通过ML方法进行系统的高通量筛选可以指导理论设计，DFT、MD和FES从物理和化学方面探索吸附机理，从而发现了优良的锂提取材料。

  通常，通过实验方法表征离子吸附选择性材料中的结构在电化学锂提取中得到了应用。ML技术与现有的锂提取材料和材料数据库（如COF、MOF、2D材料和CE）相结合，有助于研究控制锂离子吸附选择性的潜在机制。经过高通量和ML模拟，发现离子选择性电极材料表现出优异的锂离子吸附选择性、容量和稳定能力。DFT模拟结合了隐含的溶剂效应，为吸附机理提供了更深入的见解。结合MD模拟，可以模拟水分子在电极表面的传输和运动。FES模拟了锂离子在混合溶液中特定压力和温度下的内部运动，从而有助于理解材料中的锂提取过程。总之，通过高通量和ML模拟筛选出的锂提取材料，在计算化学中采用DFT和MD模拟，阐明了吸附反应的潜在机理和动力学方面，FES模拟增强了CDI过程中的化学和物理参数。详情信息如图 4 所示。

  总之，CDI是一种很有前途的海水淡化技术，特别是从海水中提取锂。关键挑战在于实现高选择性和稳定的锂萃取吸附剂，因此就需要选择新型电极材料来减轻干扰离子的影响。从这个方面来看，我们特别总结了之前研究的材料，包括碳基材料、LIS、CE、二维材料、MOFs和COFs。追求具有大比表面积、充足离子吸附位点、高电导率和离子迁移率、优异的亲水性和优异化学稳定性的理想材料，在锂提取领域提出了严峻的科学挑战。筛选具有卓越性能的新型材料和定量探索构效关系是研究的重点。

  环材有料为广大环境材料开发研究领域的专家学者、研发人员提供信息交流分享平台，我们组建了环境材料热点领域的专业交流群，欢迎广大学者和硕博学生加入。

  进群方式：扫下方二维码添加小编为好友，邀请入群。请备注：名字-单位-研究方向。