本项目针对锌铁液流电池中锌枝晶生长导致循环寿命短、能量效率低的问题，开展电极优化设计研究。项目以金属修饰电极为研究对象，结合跨尺度仿真模拟与深度学习技术，系统研究电极界面参数对锌沉积形貌的影响机制。通过构建锌沉积相场模型、建立动态演化数据库、训练人工智能预测模型，并辅以遗传算法进行参数高通量优化，最终指导改性电极的制备与电池性能验证。项目为高性能锌铁液流电池电极材料的理性设计提供了理论指导和实验依据，有助于推动长时储能技术进步。

本项目的主要目标是解决现有的锌铁液流电池负极的锌枝晶生长、循环稳定性差等应用瓶颈问题，实现电极性能的精准预测与快速优化，构建长寿命、高能量效率的锌铁液流电池。具体包括：建立可描述锌沉积形貌演化的跨尺度仿真模型，构建覆盖关键电极参数与时间演化的锌沉积动态演化数据库，开发基于深度学习的锌沉积形貌预测模型，实现电极界面参数的快速优化，根据优化结果制备优选改性电极，最终组装高性能锌铁液流电池。

本项目取得了一系列重要成果。在仿真方面，建立了耦合相场、浓度场与电势场的锌沉积模型，仿真与实验形貌粗糙度偏差小于25%。在数据驱动方面，构建了包含123组高质量样本的动态演化数据库，基于随机森林模型的形貌预测误差（MAPE）仅为3.90%。在实验方面，成功制备Cu镀层电极，在80 mA cm^-2下平均能量效率达84.6%，循环寿命超过300次，较原始碳毡提升150%。项目发表SCI论文1篇，完成1次国际会议报告，并准备申请发明专利1项。