Akumulatory cynkowo-jonowe z wodnym elektrolitem charakteryzują się wysokim poziomem bezpieczeństwa i niskim kosztem produkcji. Ich rozwój ograniczają jednak problemy związane z niestabilnością metalicznych elektrod cynkowych oraz ich podatnością na rozpuszczanie. Zjawiska te prowadzą do powstawania dendrytów, spowolnienia transportu jonów i szybkiej degradacji pojemności ogniw. Zastosowanie metody interkalacji zarówno w elektrodzie ujemnej, jak i dodatniej stanowi obiecującą strategię pozwalającą wyeliminować te ograniczenia. Postęp w tej dziedzinie jest jednak utrudniony przez brak uniwersalnych kryteriów doboru par materiałów o kompatybilnych właściwościach. Dotychczasowe badania koncentrowały się przede wszystkim na optymalizacji poszczególnych komponentów, pomijając niedopasowanie kinetyki procesów elektrodowych, które ma kluczowe znaczenie dla stabilności i wydajności całego ogniwa.

W niniejszej pracy przedstawiono podejście wykorzystujące uczenie maszynowe do optymalizacji dopasowania kinetycznego elektrod, umożliwiające ilościową ocenę kompatybilności transportu jonów w akumulatorach cynkowo-jonowych. Na podstawie zależności między odległością międzypłaszczyznową a charakterystyką dyfuzji jonów Zn²⁺ opracowano dwa deskryptory pozwalające przewidywać zgodność strumieni jonowych, a tym samym racjonalnie dobierać pary materiałów elektrodowych.

Zastosowanie opracowanej metody doprowadziło do wytypowania zoptymalizowanego układu Zn₃V₃O₈||NH₄V₄O₁₀, który osiąga pojemność właściwą 310 mAh g⁻¹ i zachowuje stabilność przez ponad 12 000 cykli przy gęstości prądu 5 A g⁻¹. Następnie strategię tę rozszerzono na układy elastyczne, wykorzystując architektury oparte na przewodzących hydrożelach. Umożliwiło to opracowanie w pełni hydrożelowych akumulatorów cynkowo-jonowych, rozciągliwych we wszystkich kierunkach, charakteryzujących się pojemnością powierzchniową 1,2 mAh cm⁻² oraz gęstością energii 1070 μWh cm⁻². Uzyskane wyniki wyznaczają ilościową ścieżkę projektowania akumulatorów cynkowo-jonowych nowej generacji.