综述：钠离子和钾离子电池在密度泛函理论中的研究进展：进展、挑战与展望

这篇综述系统探讨了密度泛函理论（DFT）在钠离子电池（SIBs）和钾离子电池（PIBs）研究中的应用，重点分析了DFT在材料结构优化、电子结构调控及扩散动力学预测中的关键作用，并提出了结合机器学习（ML）等计算方法的未来发展方向，为高性能储能材料设计提供了理论支撑。

引言

化石能源短缺与温室效应加剧推动了对可持续储能技术的需求。钠离子电池（SIBs）和钾离子电池（PIBs）因资源丰富、成本低廉及安全性高，成为锂离子电池（LIBs）的理想替代方案。然而，实验研究的高成本与复杂性促使计算模拟技术如密度泛函理论（DFT）成为材料设计的核心工具。

DFT流程及相关概念

DFT通过电子密度近似求解多电子体系，可精确预测材料的热力学性质、电荷转移及反应动力学。其计算框架包含交换关联泛函选择（如GGA、LDA）、周期性边界条件设定及软件（如VASP、CASTEP）应用。在电池研究中，DFT能够揭示原子尺度下的结构稳定性（如缺陷形成能）、电子态密度（DOS）及离子迁移能垒，为材料设计提供微观机制解释。

SIBs与PIBs的挑战及DFT策略

结构稳定性优化：通过几何优化与掺杂设计（如Na₃V₂(PO₄)₃中Ti取代）提升电极材料循环寿命。DFT计算表明，复合相（如碳包覆）可降低界面能，抑制体积膨胀。

电子结构调控：能带结构与电荷密度分析揭示Na⁺/K⁺嵌入对电极导电性的影响。例如，K⁺在石墨层间扩散的能垒（0.12 eV）低于Na⁺（0.25 eV），解释了PIBs更优的倍率性能。

扩散动力学预测：过渡态理论（NEB方法）识别最优迁移路径，如二维材料中K⁺的协同扩散机制。

总结与展望

DFT在SIBs/PIBs研究中已实现三大突破：结构设计、电子机制解析及动力学模拟。然而，其计算效率、尺度限制及电化学条件建模精度仍需突破。未来，DFT与机器学习（ML）的融合将加速高通量筛选，而多尺度模拟（如DFT-MD联用）有望解决界面反应等复杂问题。这一跨学科策略将为下一代储能材料开发注入新动能。

作者贡献

华南理工大学欧阳柳章团队系统综述了DFT在碱金属离子电池中的前沿应用，强调了理论计算与实验验证协同的重要性，为领域发展提供了方法论指导。