第一作者：罗政助理研究员

通讯作者：王珊珊研究员

通讯单位：国防科技大学空天科学学院

原文链接：https://doi.org/10.1002/advs.202521502

全文速览

在层状过渡金属硫族化合物中引入缺陷对开发高能量密度、高安全的电化学储能装置至关重要。透射电子显微镜是原子尺度上研究缺陷的重要工具，但人工分析数据效率低、偏性大。近年来，机器学习的出现正在改变电子显微镜数据分析的范式，为加速新结构与新知识的发现提供了有力工具。本文首先简要介绍了过渡金属硫族化合物中典型缺陷构型的原子结构，以及它们在储能装置中对电化学性能的提升机制。随后，系统总结了过渡金属硫族化合物的缺陷工程在储能领域的研究进展，以及机器学习方法在高分辨电子显微学数据缺陷分析中的前沿探索。最后，本文对先进储能的缺陷工程的发展前景进行了展望。

背景介绍

层状过渡金属硫族化合物（TMDs）因其可调节的物理、化学及电子特性，在电化学储能领域备受关注。研究人员通过合理设计缺陷，可以有效优化二维TMDs的活性位点和能带结构，从而提升电学导电性能。目前，在原子尺度下利用透射电子显微镜观测缺陷是研究缺陷的主要手段。然而，人工分析含有丰富结构信息的显微图像效率低、耗时长且易存在统计学偏差。近年来，机器学习（ML）在材料原子结构（如点缺陷、晶界、分子手性等）的智能识别方面取得了显著进展，为TMDs中的缺陷结构分析与构效关系理解，提供了强大的工具。

国防科技大学王珊珊研究员团队对储能用二维TMDs材料的缺陷工程及其智能结构分析技术进行了系统总结，成果以“Atomic Defects in Layered Transition Metal Dichalcogenides for Sustainable Energy Storage and the Intelligent Trends in Data Analytics”为题发表在高水平期刊Advanced Science上。

图1 储能用二维TMDs缺陷工程及其智能表征的研究进展

综述内容

要点1：介绍了TMDs中的主要缺陷类型

图2 TMDs材料中的缺陷类型

理想的二维晶体结构排列完美。然而，在现实中，缺陷对于维持热平衡是不可避免的。缺陷指破坏完美晶格的周期性和对称性的结构，其浓度和分布对过渡金属硫族化合物的理化性质及其电化学性能会产生显著影响。基于缺陷的原子结构，过渡金属硫族化合物中的缺陷可分为五种类型（图2）：(1) 空位，即正常晶格位置上原子的缺失；(2) 异质原子掺杂，即在正常晶格中引入的异质原子；(3) 晶界，即晶粒之间的界面或相界面；(4) 边缘，即材料与真空之间的界面；(5) 复合缺陷，指局部含有两种或以上不同类型单一缺陷的缺陷。本节重点介绍了利用原子级透射电子显微镜分析对上述缺陷的研究进展。

要点2：总结了TMDs缺陷工程在储能领域领域的发展

缺陷TMDs可以有效提升离子/电子传质速率、增加活性位点、维持结构稳定性以及产生自旋效应，目前已被广泛应用于金属离子电池、金属-硫电池、固态电池、超级电容器等高性能储能装置的电极材料、双功能催化电极材料、人工中间层和电解质添加剂。本节重点介绍了缺陷态TMDs在不同储能装置中的研究进展及其缺陷设计准则。

图3 缺陷TMDs在储能领域中的研究进展

要点3：总结了机器学习在TEM图像分析中的研究进展

由于二维TMDs中缺陷结构的多样性，揭示缺陷结构与性能间的构效关系对于实现缺陷的精确操纵不可或缺，目前可以通过先进的TEM技术来实现。在过去的几十年中，TEM技术的发展采集了大量缺陷结构的数据，同时也带来了以下两方面的挑战：（1）有限的信噪比（SNR）和空间分辨率；2）海量数据的分析耗时长、偏性大；幸运的是，ML的发展已经彻底改变了微观分析的范式，为TEM数据的高通量分析提供了强大的工具。本节全面总结了AI显微学在构建高质量数据集、原子结构分析和新知识启发方面的最新进展。

图4 智能表征技术在材料原子级结构分析与构效关系理解中的研究进展

未来展望

图5 近年来AI4M论文发表数量及未来发展趋势

团队近年研究成果

[1] Auto-resolving the atomic structure at van der Waals interfaces using a generative model. Nat.Commun., 2025, 16, 2927.

[2] Chirality-transferred epitaxy of circular polarization-sensitive ReS₂monolayer single crystals. Nat.Commun., 2025, 16, 7119.

[3] Exploring structure diversity in atomic resolution microscopy with graph. Adv. Mater. 2025, 37, 2417478.

[4] Machine learning-assisted active center exploration in atomically thin MoS_xTe_2-xelectrocatalysts for efficient hydrogen evolution. Adv. Mater. 2025,37, 2503474.

[5] Constructing slip stacking diversity in van der Waals homobilayers. Adv. Mater. 2024, 36, 240473.

原文信息

Zheng Luo, Ying Yang, Zizhen Fu, Fengqi Liu, Susu Fang, Kele Xu, Shanshan Wang, Atomic Defects in Layered Transition Metal Dichalcogenides for Sustainable Energy Storage and the Intelligent Trends in Data Analytics, Adv. Sci. 2026, https://doi.org/10.1002/advs.202521502.