模拟和实验不是“各做各的”，而是应该形成**“实验提出问题 → 模拟解释机理 → 模拟预测材料/工艺 → 实验验证 →
数据反哺模型”的闭环。实验验证仿真结果时，关键不是简单看“趋势像不像”，而是要做到同体系、同条件、同指标、可追溯**。
1. 先明确：模拟回答什么，实验验证什么
模拟更擅长回答微观机制和趋势，实验更擅长提供真实材料状态和宏观性能。
DFT/第一性原理：适合算晶格参数、嵌锂电位、迁移能垒、氧化还原活性、界面反应路径。
MD/AIMD：适合看离子扩散、溶剂化结构、界面演化、热运动过程。
相场/有限元/P2D模型：适合看极片、颗粒、界面、应力、浓度场和宏观电化学行为。
机器学习/高通量筛选：适合从大量候选材料中快速缩小范围，再交给DFT和实验复核。
实验表征：XRD、SEM/TEM、XPS、Raman、EIS、GITT、CV、充放电、原位测试等，用于验证结构、界面、动力学和性能。
例如，DFT算出某掺杂能降低锂离子迁移能垒，实验上就应通过GITT、EIS、倍率性能、CV峰位移等验证扩散动力学是否改善;如果模拟预测界面更稳定，实验上就要用XPS、TEM、循环衰减、阻抗增长来对照。
2. 验证仿真结果的基本逻辑
验证时建议按这条链走：结构 → 性质 → 机理 → 性能。
结构层验证：模拟得到的晶格常数、相组成、键长键角、缺陷构型，应与XRD、Rietveld精修、TEM、XPS、Raman等对照。
电子/能量层验证：电压平台、氧化还原电位、能带结构、态密度，可与充放电曲线、CV、XPS价态分析、同步辐射谱图对照。
动力学层验证：迁移能垒、扩散系数、界面反应能垒，应与GITT、EIS、倍率性能、AIMD扩散系数、原位谱学变化对照。
性能层验证：容量、循环寿命、阻抗增长、产气、热稳定性，应与扣电/软包测试结果对照。
机理层闭环：如果模拟提出“某元素抑制氧释放”“某涂层稳定SEI”“某掺杂降低极化”，实验必须能观察到对应证据，而不是只看到容量提升。
北京大学团队在无序岩盐正极工作中就形成了较完整的闭环：先用机器学习加速多尺度模拟发现晶格畸变会重塑锂离子迁移势能景观，再指导材料设计，z终实验测得首圈放电比容量256.3
mAh/g，与理论预测255.1 mAh/g偏差约0.5%，同时XAS验证了多阳离子参与可逆氧化还原。
3. 实验数据验证仿真结果的几个硬要求
第一，样品状态必须可对照。
模拟用的成分、掺杂量、缺陷浓度、表面模型、晶面、含水/含锂状态，要尽量接近真实样品。如果模拟的是完美晶体，而实验样品存在大量杂质、残锂、微裂纹或相分离，直接对比容易失真。
第二，测试条件要一致。
电压窗口、温度、倍率、电解液体系、SOC状态、循环次数都要对齐。比如模拟算的是脱锂态界面稳定性，实验就不能只用未循环样品验证;模拟预测低温动力学改善，实验就应在低温倍率、EIS和GITT中体现。
第三，指标要可量化。
不要只说“模拟趋势和实验一致”。更可靠的表达是：模拟预测迁移能垒从0.31 eV降至0.20
eV，实验观察到扩散系数提升、极化降低、倍率容量提高;或模拟预测某掺杂元素偏聚于晶界，实验通过STEM-EELS确认其富集位置。
第四，区分“相关性”和“因果性”。
容量提升可能来自晶粒细化、导电网络改善、残锂降低、极片工艺变化，不一定完全由模拟提出的机理导致。验证时要尽量排除工艺干扰，例如固定合成路线、固定极片配方，只改变目标变量。
第五，保留负结果。
如果实验没有验证住模拟预测，也要记录。负结果能帮助修正势函数、泛函选择、模型尺寸、边界条件或机器学习描述符。
4. 不同尺度怎么对接
原子尺度：DFT算能垒、电压、界面反应;实验用XRD、XPS、EELS、Raman、CV、GITT验证。
介观尺度：MD/AIMD看扩散、溶剂化、SEI/CEI形成;实验用NMR、原位XRD/XPS、EIS、GC-MS对照。
颗粒/极片尺度：相场、有限元、P2D模型看应力、裂纹、浓度梯度、极化;实验用SEM/TEM、原位膨胀、极片截面、EIS、倍率和循环数据验证。
电芯尺度：热-电-力耦合模型看温升、析锂、老化;实验用恒温/绝热测试、三电极、拆解分析和寿命数据验证。
深圳超算团队用XLSDFT在约1133万原子尺度计算锂金属/LGPS界面电子结构，并与XPS结果定量吻合，就是一个把“模拟尺度”拉到接近“实验表征尺度”的典型例子。
5. 常见坑
用理想模型解释复杂失效，忽略杂质、水分、残锂、粘结剂和电解液副反应。
模拟只给趋势，实验只给性能，中间缺少结构/界面证据链。
对比时电压窗口、温度、SOC、循环状态不一致。
把机器学习预测当成结论，缺少DFT复核和实验验证。
只报“吻合”的数据，不分析偏差来源。
模拟参数不透明，导致别人无法复现。