受可再生能源间歇性特征的制约，迫切需要先进的电能存储（EES）技术来降低对化石燃料的依赖。氧化还原靶向液流电池（RTFBs）通过引入固态储能机制，在保持功率与容量解耦优势的同时，成功突破了传统液流电池能量密度低的瓶颈，但是固液匹配、稳定性等还是制约因素。

针对该领域的最新进展，本文重点探讨了水系与非水系体系、氧化还原介质（RM）的配对以及固态材料（SM）的结构设计。此外，特别强调了机器学习在高通量筛选中的重要作用，并指出将材料创新与数据驱动的方法深度融合，是推动其迈向规模化、实现电网级储能应用的关键路径，为下一代高性能、规模化液流电池的开发提供了明确的战略路线图。

这一成果近期发表在Chemical Engineering Journal（DOI：10.1016/ j.cej.2026.176969）上，文章的第一作者是江苏大学博士生何晓崐，江苏大学为第一通讯单位，徐谦教授与上海交通大学纪亚教授为共同通讯作者。