本文将介绍一项关于电化学阻抗谱（EIS）分析工具的重要工作。由王梓龙、王宇灏、Baptiste Py、Adeleke Maradesa、刘佳鹏、万庭熹、Mattia Saccoccio和Francesco Ciucci等作者共同完成。该工作以“drttools: freely accessible distribution of relaxation times analysis for electrochemical impedance spectroscopy”为题，于2025年11月5日发表在*ACS Electrochem.*期刊上。作者主要来自香港科技大学机械及航空航天工程学系、中山大学先进能源学院、Nitrovolt APS公司以及德国拜罗伊特大学等单位。
学术背景 电化学阻抗谱（Electrochemical Impedance Spectroscopy， EIS）是一种在基础电化学、电池研究、腐蚀科学、电催化和生物传感等多个科学领域不可或缺的表征技术。它通过施加一个小幅度的交流扰动并测量系统在不同频率下的响应，从而得到阻抗谱，为理解潜在的物理化学过程提供了详细的“指纹”。然而，从复杂的阻抗谱中提取有意义的物理参数一直是个重大挑战。传统的主流方法是使用等效电路模型进行拟合。虽然该方法应用广泛，但构建一个合适的等效电路模型本身极具挑战性，高度依赖专家的先验知识。更为关键的是，对于同一阻抗谱，多种不同的电路配置可能给出同样好的拟合结果，这种模糊性阻碍了严谨的分析，并常常迫使研究人员陷入依赖主观试错来识别电路模型的过程。
为了应对等效电路模型的局限性，弛豫时间分布分析作为一种强大且互补的工具应运而生。与模型依赖的拟合不同，弛豫时间分布是一种将频域阻抗数据转换为时域特征时间尺度分布的技术。其核心思想是将整个系统的阻抗概念上表示为无数个具有独特时间常数的并联电阻-电容单元的无穷级数之和。对阻抗谱进行反卷积后，会得到一个分布函数。在该函数中，一个独立的峰通常对应一个独立的弛豫过程：峰在时间轴上的位置指示该过程的特征时间常数，而峰的面积则正比于该过程贡献的电阻。这种时域表示法的显著优势在于，它可以将那些在传统奈奎斯特图中相互重叠、难以分辨的耦合过程清晰地可视化，从而为诸如电荷转移动力学和界面效应等复杂现象的分析提供了直观途径。
尽管弛豫时间分布分析已显示出巨大价值，但其应用仍面临门槛。此前，研究团队开发的MATLAB版DRTtools和Python版pyDRTtools虽推动了该领域发展，但这些平台需要软件许可或一定的编程能力，限制了其广泛采用。因此，本研究的目的是开发一个免费、无需安装、直观易用的网络平台，以降低弛豫时间分布分析的使用门槛，使其能够更广泛地服务于电化学研究社区。
详细工作流程 本研究并非一项传统的实验性研究，而是一项关于软件开发、算法集成与方法学教程的工作。其主要成果是推出了一个名为DRTtools.com的在线网络平台，并提供了详尽的用户使用指南。整个工作流程可以分解为以下几个核心部分：
第一， 平台设计与功能集成。 该步骤的目标是创建一个集成了弛豫时间分布分析完整流程的交互式网页应用。其核心是将研究团队此前在算法层面的研究成果，包括正则化参数选择、基于径向基函数的反卷积、贝叶斯弛豫时间分布分析以及基于贝叶斯希尔伯特变换的数据质量评估等，封装成一个用户友好的图形界面。平台界面左侧为输入参数面板，右侧为交互式绘图区域。平台无需用户安装任何软件或具备编程知识，通过浏览器即可访问和使用全部核心功能，这大大提升了可及性。平台支持导入.csv或.txt格式的EIS数据文件，要求数据为三列无表头格式，分别对应频率、阻抗实部和阻抗负虚部。
第二， 弛豫时间分布分析的核心算法流程详解。 用户上传数据后，需配置一系列参数以进行弛豫时间分布反卷积计算。这个过程体现了弛豫时间分布分析中解决“不适定”逆问题的关键步骤。 1. 参数设置： * 离散化函数：用户需选择用于逼近弛豫时间分布函数的基函数。默认选项为高斯径向基函数，同时也提供C2、C4、C6 Matérn、逆二次、逆多重二次和柯西函数等多种选择。基函数的选择直接影响最终弛豫时间分布结果的形状和平滑度。 * 数据使用：用户可选择使用阻抗的实部、虚部或实部与虚部结合的数据进行分析。通常推荐使用结合数据，以充分利用复阻抗的全部信息。 * 电感处理：为处理高频区域可能出现的感性特征，平台提供了三种选项：不含电感拟合、包含电感拟合、或直接丢弃包含感性特征的高频数据。 * 正则化导数：用户需要选择L矩阵的微分阶数，通常是“一阶”或“二阶”。这决定了正则化是惩罚弛豫时间分布的一阶导数（幅度变化）还是二阶导数（曲率变化）。选择二阶导数通常会得到更平滑的弛豫时间分布峰。
正则化参数选择：这是获得高质量弛豫时间分布结果的关键步骤。正则化参数控制着对实验数据的拟合度与分布结果平滑度之间的权衡。平台提供了两种方式：
运行分析与结果输出：平台提供三种核心计算模式：
峰分析：在获得弛豫时间分布结果后，如果怀疑存在重叠峰，用户可以进行峰分析来表征各个峰。平台提供两种高斯峰拟合选项：“分离拟合”和“组合拟合”，用户需要指定用于拟合的高斯峰数量。
主要结果 本研究的主要结果体现在DRTtools.com平台的功能演示和算法验证上，通过平台界面截图、流程图和示意图（在原文的图2、3、4、5、6及支持信息中的附图）具体展示。
平台成功实现了预设的全部核心功能。如图2所示，平台界面清晰地划分为数据输入、分析参数设置、径向基函数选项、结果展示和结果输出等模块。图3的流程图则系统地展示了从数据输入到完成分析（简单运行、贝叶斯运行或希尔伯特变换运行）的完整工作流程，证明了平台设计的逻辑性和完整性。
正则化参数λ对弛豫时间分布结果的影响得到了直观可视化。如图4所示，平台能够清晰展示不同λ值下的弛豫时间分布结果。当λ值过大时，结果过度平滑，可能掩盖或扭曲真实特征（欠拟合）；当λ值过小时，结果能捕捉精细特征，但也会放大噪声，产生非物理的振荡和伪峰（过拟合）。这直观地教育用户理解正则化的重要性，并展示了平台在参数调优方面的能力。
贝叶斯弛豫时间分布分析提供了不确定性量化。图5示意性地说明了贝叶斯弛豫时间分布分析的结果，不仅包括最大后验估计，还给出了均值弛豫时间分布和置信区间。这一结果证明，该平台超越了传统点估计方法，能够为用户提供关于弛豫时间分布估计可靠性的定量信息，这是方法学上的一个重要优势。
贝叶斯希尔伯特变换实现了数据质量的概率化评估。如图6所示，该功能能够输出阻抗实部和虚部的希尔伯特变换，并计算一系列EIS质量评分。这一结果为用户提供了一个强大的工具，用于在深入分析前验证其EIS数据是否满足线性、时不变、稳定和因果性的基本假设，从而确保后续弛豫时间分布分析的可靠性。
离线工具的有效性。除了网络平台，研究还为MATLAB和Python用户提供了离线图形用户界面工具，其功能与在线版本基本一致。这满足了高级用户对更高可编程性和灵活性的需求，证明了研究成果具有多平台适用性。
这些结果之间具有紧密的逻辑关系：首先，平台的成功构建是基础；其次，对正则化参数的精细控制是获得可靠弛豫时间分布的前提；然后，贝叶斯方法将分析从单一估计提升到包含不确定性的概率层面；最后，希尔伯特变换功能则为整个分析流程提供了前置的数据质量保障。这些功能环环相扣，共同构成了一个从数据验证到高级分析的完整工具链。
结论与意义 本研究的结论是成功开发并发布了一个免费、易用、功能强大的在线弛豫时间分布分析平台DRTtools.com。该平台使得这一先进的EIS数据分析技术能够被更广泛的研究人员所使用，而无需担心软件许可或编程门槛。
其科学价值在于：第一，方法学的民主化。它将此前主要限于算法专家或编程用户使用的弛豫时间分布分析方法，通过直观的图形界面普及化，有望促进弛豫时间分布在电化学各子领域的更广泛应用和标准化。第二，集成与创新。平台不仅整合了经典的Tikhonov正则化方法，还集成了研究团队最新的贝叶斯弛豫时间分布和贝叶斯希尔伯特变换等前沿方法，为用户提供了从数据验证、反卷积计算到不确定性量化的全套先进工具。第三，教育意义。该平台的交互特性及其详细的参数说明和可视化效果，使其本身成为一个绝佳的教学工具，有助于学生和研究人员深入理解弛豫时间分布分析的原理和参数影响。
应用价值方面，该平台可直接用于电池、燃料电池、腐蚀、传感器、超级电容器等多个领域的研究与开发工作，帮助研究人员更清晰地从EIS数据中解耦重叠的弛豫过程，识别关键的限制步骤，评估材料或器件的性能与退化机制。平台提供的自动化参数选择和数据质量评估功能，可以降低分析的主观性，提高结果的可靠性和可重复性。
研究亮点 本研究的亮点体现在以下几个方面： 1. 首创性与易用性：这是首个专门为弛豫时间分布分析设计的、功能全面且完全免费的在线网络平台。其“开箱即用”的特性极大地降低了该技术的使用门槛。 2. 功能集成度：平台并非单一算法的简单实现，而是集成了从基础正则化反卷积，到先进的贝叶斯不确定性量化，再到前置的Kramers-Kronig关系概率验证的完整分析生态。 3. 算法先进性：将贝叶斯框架系统地应用于弛豫时间分布反卷积和EIS数据验证，提供了传统方法所不具备的不确定性信息，代表了该领域分析方法的前沿方向。 4. 设计的人性化：通过交互式参数调整、实时可视化结果对比（如图4所示）、自动参数选择算法以及清晰的错误提示和数据格式要求，平台设计充分考虑了用户体验。 5. 开源与社区导向：平台鼓励用户通过GitHub图标反馈问题和寻求帮助，体现了开源协作的精神，有利于工具的持续改进和社区建设。
其他有价值的内容 文章最后对弛豫时间分布分析未来的发展方向进行了展望，指出了几个关键趋势：第一，弛豫时间分布将朝着更高的自动化、方法学严谨性和与互补技术结合的方向发展。第二，实践中的应用将扩展到更广泛的机理诊断。第三，开发能够明确处理温度、荷电状态、压力等关键变量的多维原位/工况弛豫时间分布分析方法。第四，提供经过不确定性量化的输出结果，并能与等效电路模型、数字孪生以及电池/能源管理系统互操作，用于状态估计、故障检测和控制导向的模型选择。第五，也是非常重要的一个方向，是将弛豫时间分布与人工智能和机器学习相结合。向量化的弛豫时间分布谱可以作为AI模型的有力特征，用于诊断电池健康状态、预测寿命、识别退化机制，以及根据动力学特征对材料进行分类。AI还可以用于自动化峰归属和与特定电化学过程的关联，减少对手动解释的依赖。最终，弛豫时间分布分析旨在成为电化学分析流程中的标准、易用工具，集成到下一代电化学工作站和软件套件中，从而加速材料发现、改善器件性能，并增强我们对所有相关领域电化学系统的理解。这些展望为研究人员指明了该领域未来的重要研究课题。