【研究背景】多孔碳材料因其丰富的原料来源、可调的孔隙结构、高比表面积以及优异的导电性，成为能源存储与转化领域中不可或缺的重要部分，并在碱金属离子电池、金属硫电池、超级电容器以及电催化等领域中展现出巨大的应用潜力。因此，开发具有结构可控、性能优异的多孔碳材料一直是学者们的研究重点。随着科学技术的不断进步，多孔碳材料的设计逐渐由传统的经验试错法向新型的机器学习辅助设计转变。本综述通过系统总结多孔碳材料取得的重要进展，揭示材料制备的形成机制和设计原则等，并深入探讨材料结构于性能之间的内在关系，为高性能多孔碳材料的功能化应用提供重要的指导和参考。 【工作简介】近日，上海大学张海娇团队与北京化工大学邱介山团队在国际知名期刊《Advanced Functional Materials》上发表题为“Porous carbon materials: from traditional synthesis, machine learning-assisted design, to their applications in advanced energy storage and conversion”的综述文章。作者系统总结了多孔碳材料在能源存储与转化领域中的研究进展，并讨论了机器学习辅助设计在多孔碳材料开发中的重要作用，旨在为高性能多孔碳电极材料的定制化设计提供重要的参考。首先，文章介绍了不同结构的多孔碳的制备方法，并结合机器学习技术深入阐述了多孔碳的形成机制及其可控制备原理。随后，重点讨论了多孔碳材料在不同能源存储与转化领域中的应用，特别是在碱金属离子电池、金属硫电池、超级电容器以及电催化等领域的独特优势。通过结合先进的原位表征技术，深入探讨了多孔碳材料的微观结构与其性能之间的内在关系。最后，总结了当前多孔碳材料在实际应用中面临的一些挑战，并重点展望了未来的发展方向，特别强调了人工智能技术在未来高性能多孔碳材料设计中的应用潜力。上海大学博士后李海涛为本文第一作者，张海娇教授和邱介山教授为通讯作者。图1. 多孔碳材料的发展历程及用于其合成的不同碳前驱体 【内容表述】3.1 合成策略本节全面回顾了各种多孔碳材料的制备技术。首先，讨论了机器学习技术在多孔碳设计中的优势及其最新进展，分析了机器学习辅助设计与传统合成方法之间的差异。接着，从分子工程和表面化学的角度出发，系统讨论了传统方法在微孔、介孔、大孔及多级孔碳材料合成中的应用，并探讨了前驱体类型、制备方法和合成参数对孔结构、比表面积和功能化的影响。此外，还对比了不同合成方法的优缺点。本节重点揭示了多孔碳的合成机理，为多孔碳的可控设计提供了科学指导。图2. 机器学习辅助设计多孔碳材料的主要工作流程 3.2 能源存储和转化应用多孔碳具有较大的表面积、可调节的孔结构、多样的形态和良好的导电性等优点，因此在新能源存储和电催化等领域得到了广泛应用。在这一部分中，作者深入探讨了多孔碳在碱金属离子电池、金属硫电池、超级电容器以及电催化中的应用优势。通过具体实例分析，阐述了多孔碳的孔结构、比表面积等结构特性如何影响其应用性能。更重要的是，结合先进的原位和Operando表征技术，揭示了多孔碳在能源存储与转化过程中的应用机制。通过深入分析结构-性能关系，本综述为未来多孔碳在不同应用中的定制化的设计提供了理论指导。图3. 多孔碳材料在能源存储和转化应用中的优势 3.3 结论与展望多孔碳凭借其独特的优势在能源存储与转化应用中取得了重要进展。然而要实现其更高效的利用，仍然面临一些挑战。本综述从多孔碳的可控制备、结构-性能关系的深入探究以及人工智能驱动的高性能多孔碳材料的设计三个方面对其面临的挑战进行了展望。总之，通过从合成到性能的综合研究，不仅可以将多孔碳材料从实验室成功推向工业化生产。同时，它在推动储能和电催化领域的技术发展和创新方面发挥着至关重要的作用，为早日实现碳中和目标提供了可行的解决方案。图4. 多孔碳材料面临的挑战和机遇 【文献详情】Haitao Li, Qingchun Yan, Jihao Li, Jieshan Qiu,* Haijiao Zhang.* Porous carbon materials: from traditional synthesis, machine learning-assisted design, to their applications in advanced energy storage and conversion. Adv. Funct. Mater., 2025.https://doi.org/10.1002/adfm.202504272
