钴酸锂（LiCoO2，LCO）正极目前仍是消费电子领域锂离子电池的主流正极材料。然而，随着工作电压升高（> 4.5 V），钴酸锂层状正极材料将面临结构不可逆相转变、严重界面副反应、表面过渡金属溶解以及晶格氧参与电化学过程等问题，导致正极-电解液界面（CEI）阻抗增加和电极容量迅速衰减。针对这一挑战，潘锋教授课题组在前期研究中通过表面包覆物结构调控与氟化电解质设计等策略，在高电压钴酸锂表面精准构筑了功能化CEI层，显著提升了钴酸锂表界面结构稳定性与体相相变可逆性（Adv. Energy Mater., 2024, 14, 2402223；Adv. Mater., 2024, 36, 2408875；Energy Environ. Sci., 2024, 17, 7944；Adv. Funct. Mater., 2025, 2504165）。

聚合物复合电解质（PCEs）在提升电池安全性、稳定性和能量密度方面具有显著优势，是实现高能量密度储能系统的关键材料之一。然而，PCEs在实际应用中仍面临严峻的界面挑战，尤其是在高电压或高能量密度体系中，界面不稳定、副反应频发及界面相容性差等问题更为突出，严重制约了离子传导效率与电池整体性能。因此，系统分析高能量密度条件下的关键技术瓶颈，并提出针对性解决方案，对推动下一代储能系统发展具有重要意义。尽管已有策略在改善界面性能方面取得了一定成效，但其在高能量密度电池体系中的适用性仍有待进一步验证。

在人工智能驱动材料设计迅速发展的背景下，如何以科学、可解释且高效的方式从复杂材料结构中提取关键特征，已成为实现智能材料发现的核心挑战。拓扑结构化学作为一种将材料微观结构映射为数学拓扑模型的研究方法，近年来在材料基因组工程、催化活性探索以及能量材料设计等领域，展现出强大的结构表征与性质预测能力。北京大学深圳研究生院新材料学院潘锋教授团队近年来致力于图论/拓扑数据分析方法及其在结构特征提取中的拓展与应用，在该领域取得了一系列创新性成果，包括材料结构的拓扑表示（J. Phys. Chem. Lett., 2023, 14: 954）、材料反向设计（npj Comput. Mater., 2025, 11: 147）、新型固态电解质设计（J. Am. Chem. Soc., 2024, 146, 18535; J. Am. Chem. Soc., 2025, 147, 24）、化学反应路径搜索（CCS Chemistry, 2024, 7, 1）以及催化活性相搜索（Nat. Commun., 2025, 16, 2542）。这些研究系统建立了从拓扑结构表示到性质预测，再到功能材料设计的全链条研究框架，为结构化学与人工智能的深度融合奠定了坚实的理论与方法基础。