理解锂离子蓄电池(LIB)循环过程中形成的固体电解质界面相(solid electrolyte interphase, SEI)的化学结构，对推进电池技术至关重要。此复杂任务通常需要借助死后(post-mortem)流程提取特定荷电状态下的电极，并制备样品以供表征分析。经过数十年研究与优化，科学界已建立并分享了针对特定技术的死后工作流程协议，然而诸多人为假象(artifact)源可能干扰该流程，在从电极制造到数据解读的各阶段引入实验不确定性。本研究呈现了一项采用死后X射线光电子能谱(X-ray photoelectron spectroscopy, XPS)表征两种电解液中循环后石墨电极上形成SEI的实验室间循环比对(round-robin inter-laboratory)研究结果，多个欧洲顶尖研究团队（专长于电池制造及XPS表征）参与了一套精心设计的死后工作流程，旨在识别结果的一致性与差异来源及其对科学结论的影响，并量化了从电池组装到光电子能谱芯能级峰拟合(peak fitting)与解读过程中人为诱导的偏差与误差。基于研究发现，研究人员就识别和最小化SEI化学成分分析中的假象源提出了关键建议，有效应对这些挑战对提升电池性能与寿命至关重要。
电池石墨负极SEI死后X射线光电子能谱(XPS)分析标准化与实验室间循环比对的系统研究——论文解读
研究背景与意义
固体电解质界面相(solid electrolyte interphase, SEI)是锂离子电池(LIB)负极与电解液界面处形成的一层离子导通、电子绝缘的异质膜，对电池初始库仑效率、循环寿命及安全性起决定性作用。目前广泛接受的观点认为SEI是由无机锂盐（如Li2CO3、LiF）与有机分解产物（如ROCO2Li）构成的镶嵌模型(mosaic model)。X射线光电子能谱(XPS)因可提供表面数纳米内元素化学态信息，成为死后(post-mortem)解析SEI组分最常用的手段。然而SEI极薄(~数nm)、对空气敏感且化学组成复杂，而死后分析全流程——涵盖电池组装与循环、拆池、电极洗涤、惰性气氛转移、XPS采集参数设定及芯能级谱图背景扣除与峰拟合(peak fitting)——均可能引入人工假象(artifact)，不同实验室间缺乏统一标准导致数据重现性差、文献结论矛盾。为此，研究人员在欧洲Battery 2030+项目下开展了本次实验室间循环比对(inter-laboratory round-robin)研究，系统量化各步骤的不确定性并提出标准化最佳实践，相关工作发表于《Journal of Energy Storage》。
主要关键技术方法
研究人员设计两套串联工作流程：(1)盲重现性研究(blind reproducibility study)：两家合作方各自独立组装LP57电解液(1 m LiPF6in EC:EMC 3:7)的LNO//Gr扣式电池并循环至EoL，拆池后DMC洗涤切片分送三家XPS实验室(Partner 1实验室XPS、Partner 2实验室XPS、Partner 3同步辐射HAXPES)，无统一采集规范，各自独立分析；(2)标准化流程(standardized workflow)：单一具备量产经验合作方组装含VC及VC+LiTDI添加剂的电池循环至SoH=80%，统一DMC洗涤密封分发，限定采样位点为扣式电池中心区域且需在到样数日内完成采集，并组织八名具不同XPS/电池知识背景的研究人员进行同一数据集的循环比对Round-Robin峰拟合练习，使用CasaXPS软件，参照文献与数据库进行背景扣除与组分赋值。
研究结果
3.1. Reproducibility based on inter-laboratory blind study（基于实验室间盲法研究的重现性）
盲研究中即便名义相同条件组装的Cell 1与Cell 2，XPS全谱及各芯能级(C 1s、F 1s等)强度与峰位存在差异。部分样品出现差分充电(differential charging)效应致C 1s与F 1s峰位偏移，归因于SEI不均匀及样品-样品台接触不良。F 1s谱在685 eV(LiF)与687 eV(残留LiPF6/磷酸盐)出现双峰，证实洗涤未完全去除盐分。不同实验室选用不同通能(pass energy)影响分辨率进而干扰峰拟合。结论：细胞组装微差、洗涤残留、样品储存中惰性气氛下的缓慢老化、跨手套箱转移污染、X射线束损伤及电荷中和设置均可成为假象源；实验证明需标准化电池组装、拆洗、传输及采集参数(含通能、采位、时限)。
3.2. Inter-laboratory standardized workflow with round-robin data analysis（实验室间标准化流程及循环比对数据分析）
对同一实验室采集的含/不含LiTDI添加剂电解液循环石墨电极XPS数据进行Round-Robin拟合。多数参与者选用Shirley背景与pseudo-Voigt或非对称Lorentzian函数。简单F 1s(685/687 eV双峰)拟合受函数选择影响小；但含LiTDI样品F 1s 687 eV处出现不对称展宽(叠加-CF3与磷酸盐)，需结合P 2p(136 eV)与C 1s(293 eV -CF3)联合约束stoichiometry方能准确解叠——仅具电池电化学与XPS双重专业知识者做到此步。原子百分比(area％)总体一致，但各组分相对比例因拟合组分数目、峰位/FWHM初值设定不同波动明显：C 1s中C=O(ROCO2Li, 288.5 eV)仅专家识别；Li 1s低结合能不对称需考虑LiC6(~283 eV肩峰关联)；P 2p因信噪比低且须施加自旋轨道双峰约束(Δ=0.8 eV, 强度比2:1)常被误拟合。结论：纯数学拟合不足，必须结合电池反应路径与跨芯能级关联(cross-linking information)约束；建立社区验证的XPS参考谱库有助减少主观偏差，未来可支撑机器学习自动化拟合。
讨论与结论翻译
利用XPS研究锂离子电池SEI演化虽强但过程复杂，全流程——电池组装、循环、拆洗制备、惰性转移、采集、数据拟合及解读——均易受假象干扰。电池组装即使按协议执行仍可能因电解液配方、电极处理及循环条件微差影响SEI生成；拆池后洗涤可能留残盐污染表面敏感分析；XPS采集中通能与电荷中和须谨慎以防谱峰展宽与差分充电致峰位/强度失真；实验室间仪器差异与分析者经验水平及人为偏差可致峰拟合与解读不一致，损害结论可靠性。为此电池学界应优先推行标准化协议与严格质控，本循环比对研究凸显实验室间比对对验证结果与促成共识的价值，应成为共同体常规实践。除完善实验流程，还应建设标准化、经社区校验的XPS谱图数据库，作为参照并训练机器学习模型以实现自动峰拟合与指认，降低主观性与人为偏差，加速复杂电化学界面的数据解析。通过识别主要假象源并提出结构化协作流程，本研究为电池界面更可重现、定量及预测性的XPS分析提供清晰框架，遵循上述建议对提升电池研究质量、推进高性能长寿命电池开发至关重要。
