对话斯坦福Yukio Cho：用分子自组装设计更易回收的固态电池

回收一块废旧电池，通常需要经历复杂的拆解与材料分离过程。在许多现有回收工艺中，第一步甚至是将电池粉碎，再从混合的材料中提取有价值的成分。 但 Yukio Cho 始终有一个疑问：既然回收的目的是将不同材料分离出来，为什么一开始却要把它们全部粉碎、混在一起？有没有可能从设计电池的第一天起，就考虑好如何将它拆开？ 今年，Yukio 入选《麻省理工科技评论》“35 岁以下科技创新 35 人”（TR35）亚太区名单，分享了他的一项研究工作。2025 年，他与合作者在 Nature Chemistry 发表论文，提出利用分子自组装的可逆性设计固态电池电解质：在电池工作时，分子能够形成稳定的结构；当电池需要回收时，又可以通过溶剂使结构解离，让不同组件更容易分离，从而有望跳过传统回收中的粉碎步骤。 不过，这项研究最初并不是从电池回收问题出发的。Yukio Cho 本科就读于日本东北大学，最初关注的是太阳能、光伏等能源技术。后来，他进入麻省理工学院（MIT）攻读材料科学与工程博士学位，在一次偶然的学术讲座中接触到分子自组装。此前主要研究无机材料的他，被这种能够自发形成纳米结构、又可以重新解离的材料吸引，开始思考能否将其应用于电池。 回顾这段经历，他把研究方向的形成形容为一种“鸡和蛋的关系”。“严格来说，最初只是觉得这个东西很酷。”他坦言，自己并不是一开始就找到了明确的应用问题，而是在不断探索材料特性的过程中，逐渐理解电池技术真正面临的困难，也由此发现了分子自组装在电池回收中的机会。 从日本东北大学到 MIT，再到如今的斯坦福大学与 SLAC 国家加速器实验室，Yukio Cho 的研究始终围绕能源材料展开，但具体方向不断变化。除了探索更易回收的电池材料，他也开始研究具有更高能量密度的全固态锂硫电池，并尝试将 AI 和机器人引入材料发现过程。 在他看来，材料研究不仅要关注技术本身能做到什么，还要不断追问现实世界究竟需要什么。而当 AI 开始进入实验室，他又发现了一个新的问题：如今的 AI 模型已经展现出相当强大的能力，但材料科学能否为它们提供足够的数据，使其真正理解复杂的物理世界？“AI for Materials 目前最大的瓶颈是数据，而不是 AI。”他在采访中说。 从分子自组装到电池回收，再到机器人与 AI 协同的自动化实验室，看似不同的研究方向，背后却延续着相似的思考：科学发现如何回应真实需求，而新的技术又如何反过来改变科学研究本身？围绕这条研究路径，以及他对电池产业和 AI for Science 未来发展的判断，DeepTech 与 Yukio Cho 展开了一次对话。 分子与电池，鸡与蛋 DeepTech：你最初在日本读本科，学的是材料学。为什么会对这个专业感兴趣？ Yukio Cho：大约在高三时，我就对工程学比较感兴趣。选择专业时，父亲对我的影响很大，让我觉得材料是工程创新的起点。刚进大学时，我主要对能源感兴趣，尤其是太阳能和光伏。随着研究深入，兴趣逐渐转向电池等领域。 DeepTech：你刚来 MIT 时，做的是比较基础的材料研究，研究方向是分子自组装。能否介绍一下，为什么会对这个领域感兴趣？ Yukio Cho：在 MIT 读博士之前，我接触的大多是无机材料。能源材料往往需要耐高温，或者让离子、电子能够快速迁移。刚开始读博士、寻找研究方向时，我碰巧听了一场关于分子自组装的讲座。 虽然此前做的是无机材料，但我一直对有机材料、生化材料感兴趣，本科时也很喜欢相关课程。当时我就在想，能不能把自组装材料用到电池中？于是向导师提出了这个想法。我先跟着导师参与项目，学习有机分子自组装的基础知识，再逐步向最初的想法拓展。 DeepTech：你是一开始就想做电池，还是在研究分子材料的过程中，发现它可以用于电池回收？ Yukio Cho：这有点像鸡和蛋的关系。严格来说，最初只是觉得这个东西很酷，并没有特别明确地想过，为什么一定要用分子自组装来做电池。 当时觉得这种类似通道的结构可能有用，那项工作也确实测到了比较高的离子电导率。后来，我一边做，一边思考为什么要做这件事，也逐渐了解电池技术真正面临的困难和挑战，才发现了这个机会。 DeepTech：回收固态电池的原理是什么，又能发挥什么作用？ Yukio Cho：这要从分子自组装说起。这个领域受到生物学的启发，利用分子的极性和非极性：一部分亲水，另一部分亲油。这类分子在溶液中，尤其是在水溶液中，会自发形成一定的结构，细胞膜就是一个典型例子。 化学家把这个思路拓展到了合成分子上，通过设计分子的化学结构，让它们在溶液中形成不同的结构，比如纳米线、纳米管，或者内部中空的球状结构。一个应用例子是 mRNA 疫苗，利用脂质分子递送 mRNA。 分子自组装的一个核心概念是，分子之间依靠非共价相互作用结合。与共价

来源只提供摘要，完整内容请打开原文。