近日，麻省理工学院的Martin Z. Bazant教授在Nature上发布了一项研究，题为“Learning heterogeneous reaction kinetics from X-ray videos pixel by pixel”。该研究提出了一种创新的方法，旨在从原位扫描透射X射线显微镜（STXM）图像中学习非均匀、不稳定的界面上的反应动力学。

研究团队利用STXM对碳包覆磷酸铁锂（LFP）纳米颗粒进行了成像，揭示了电池循环过程中的锂离子浓度分布。通过将STXM图像数据集与热力学一致的电化学相场模型、偏微分方程（PDE）约束优化和不确定性量化相结合，研究人员成功提取了自由能级图和反应动力学，并验证了它们与理论模型的一致性。

该研究使用STXM对电化学电池中的LFP颗粒进行了成像。在放电过程中，锂离子从电解质中插入到LFP晶格中，而在充电过程中，反应方向相反。通过将局部X射线吸收图像转换为Li浓度场，研究揭示了锂插入和脱出的动力学。

实验结果显示，LFP和锂金属是电池的两个电极。在低反应速率或平衡状态下，锂不是均匀分布的，非均质性来自相分离区域。在高反应速率和锂插入过程中，相分离被抑制，导致更均匀的锂浓度场。研究中获得了39个颗粒的图像，每个颗粒都经历了一个或多个充放电半循环。数据总共包含62个半循环，每个半循环由4-10张图像组成。这些颗粒的平均大小为1.2微米。

通过Allen-Cahn反应模型，研究模拟了Li分数在(010)(a-c)平面上的演变。该模型考虑了成像二维平面(x, y)上的非均匀性，通过前置因子k(x, y)描述，空间均匀体系的反应速率R，以及过电位η。LFP颗粒的总自由能G由均匀化学自由能密度gh(c)、梯度惩罚和弹性相干应变能组成。Li在LFP中的化学势μ被定义为自由能的变分导数。

研究基于Butler-Volmer(BV)动力学假设反应速率R与交换电流j0(c)、过电位η和LFP的总自由能G相关。通过PDE约束优化，研究人员使用贝叶斯推理的优化方法，从图像中的所有像素中推测出未知的构象关系和空间异质性。实验结果显示，这种方法可以准确预测反应动力学，并揭示LFP中的锂插入过程具有向低锂浓度倾斜的归一化交换电流j0(c)，这与多孔电极理论中通常假设的交换电流模型j0(c)∝√c(1-c)形成了对比。

此外，该研究还揭示了非平衡态热力学的特征，并通过实验图像或均匀浓度场的弛豫验证了化学机械模型的有效性。表面异质性的分析显示了非均匀性与碳涂层厚度之间的相关性，这为理解电池和其他化学反应系统的界面工程提供了新方向。

综上所述，该研究不仅为学习非平衡材料特性的可能性开辟了新途径，超越了传统实验方法的范畴，还为表征和优化非均相反应表面提供了一种新的非破坏性技术。这一创新方法有望对电池和电催化剂等领域的发展产生重要影响。