El último avance de una colaboración de investigación con la industria podría acelerar drásticamente el desarrollo de baterías más resistentes para vehículos eléctricos de carga rápida.

POR GLENNDA CHUI

(Stanford)-Los científicos han dado un gran paso adelante en el aprovechamiento del aprendizaje automático para acelerar el diseño de mejores baterías: en lugar de usarlo solo para acelerar el análisis científico al buscar patrones en los datos, como hacen generalmente los investigadores, lo combinaron con el conocimiento obtenido de experimentos y ecuaciones guiadas por la física para descubrir y explicar un proceso que acorta la vida útil de las baterías de iones de litio de carga rápida.

Era la primera vez que este enfoque, conocido como «aprendizaje de máquina científica», se aplicaba al ciclo de la batería, dijo Will Chueh, profesor asociado de la Universidad de Stanford e investigador del Laboratorio Nacional de Aceleradores SLAC del Departamento de Energía que dirigió el estudio. Dijo que los resultados anulan las suposiciones de larga data sobre cómo se cargan y descargan las baterías de iones de litio y brindan a los investigadores un nuevo conjunto de reglas para diseñar baterías de mayor duración.

La investigación, publicada en Nature Materials, es el último resultado de una colaboración entre Stanford, SLAC, el Instituto de Tecnología de Massachusetts y el Instituto de Investigación de Toyota (TRI). El objetivo es reunir la investigación fundamental y el conocimiento de la industria para desarrollar una batería de vehículo eléctrico de larga duración que se pueda cargar en 10 minutos.

«La tecnología de la batería es importante para cualquier tipo de tren motriz eléctrico», dijo Patrick Herring, científico investigador principal del Toyota Research Institute. “Al comprender las reacciones fundamentales que ocurren dentro de la batería, podemos extender su vida útil, permitir una carga más rápida y, en última instancia, diseñar mejores materiales de batería. Esperamos aprovechar este trabajo a través de experimentos futuros para lograr baterías de mejor rendimiento y menor costo «.

Un trío de avances

El nuevo estudio se basa en dos avances anteriores en los que el grupo utilizó formas más convencionales de aprendizaje automático para acelerar drásticamente tanto las pruebas de la batería como el proceso de depuración de muchos métodos de carga posibles para encontrar los que funcionan mejor. Si bien estos estudios permitieron a los investigadores hacer un progreso mucho más rápido, reduciendo el tiempo necesario para determinar la duración de la batería en un 98%, por ejemplo, no revelaron la física o química subyacente que hizo que algunas baterías duraran más que otras, como lo hizo el último estudio.

La combinación de los tres enfoques podría reducir potencialmente el tiempo necesario para llevar una nueva tecnología de batería desde la mesa del laboratorio al consumidor hasta en dos tercios, dijo Chueh.

“En este caso, le estamos enseñando a la máquina cómo aprender la física de un nuevo tipo de mecanismo de falla que podría ayudarnos a diseñar baterías de carga rápida mejores y más seguras”, dijo Chueh. «La carga rápida es increíblemente estresante y dañina para las baterías, y resolver este problema es clave para expandir la flota de vehículos eléctricos del país como parte de la estrategia general para combatir el cambio climático».

El nuevo enfoque combinado también se puede aplicar al desarrollo de los sistemas de baterías a escala de red necesarios para un mayor despliegue de la electricidad eólica y solar, que se volverá aún más urgente a medida que la nación persiga los objetivos recientemente anunciados por la Administración de Biden de eliminar los combustibles fósiles de la generación de energía eléctrica. para 2035 y lograr emisiones netas de carbono cero para 2050.

Ampliación de primeros planos

El nuevo estudio se centró en los electrodos de la batería, que están hechos de granos de tamaño nanométrico que se unen en partículas. Los iones de litio se mueven de un lado a otro entre el cátodo y el ánodo durante la carga y descarga, se filtran en las partículas y fluyen hacia afuera nuevamente. Este constante ir y venir hace que las partículas se hinchen, encojan y agrieten, disminuyendo gradualmente su capacidad para almacenar carga, y la carga rápida solo empeora las cosas.

Para analizar este proceso con más detalle, el equipo observó el comportamiento de las partículas de cátodo hechas de níquel, manganeso y cobalto, una combinación conocida como NMC que es uno de los materiales más utilizados en las baterías de vehículos eléctricos. Estas partículas absorben iones de litio cuando la batería se descarga y los liberan cuando se carga.

Los investigadores postdoctorales de Stanford Stephen Dongmin Kang y Jungjin Park utilizaron rayos X de la fuente de luz de radiación de sincrotrón de Stanford de SLAC para obtener una visión general de las partículas que se estaban cargando rápidamente. Luego llevaron partículas a la fuente de luz avanzada del Laboratorio Nacional Lawrence Berkeley para ser examinadas con microscopía de transmisión de rayos X de barrido, que se concentra en partículas individuales.

Los datos de esos experimentos, junto con información de modelos matemáticos de carga rápida y ecuaciones que describen la química y la física del proceso, se incorporaron a algoritmos científicos de aprendizaje automático.

“En lugar de hacer que la computadora calcule directamente el modelo simplemente alimentándolo con datos, como hicimos en los dos estudios anteriores, le enseñamos a la computadora cómo elegir o aprender las ecuaciones correctas y, por lo tanto, la física correcta”, dijo Kang, quien realizó el modelado con el estudiante graduado del MIT Hongbo Zhao, en colaboración con el profesor de ingeniería química Martin Bazant.

El efecto rico se vuelve más rico 

Hasta ahora, los científicos habían asumido que las diferencias entre las partículas eran insignificantes y que su capacidad para almacenar y liberar iones estaba limitada por la rapidez con que el litio podía moverse dentro de las partículas, dijo Kang. En esta forma de ver las cosas, los iones de litio entran y salen de todas las partículas al mismo tiempo y aproximadamente a la misma velocidad.

Pero el nuevo enfoque reveló que las propias partículas controlan la rapidez con que los iones de litio se mueven fuera de las partículas del cátodo cuando se carga una batería, dijo. Algunas partículas liberan inmediatamente muchos de sus iones, mientras que otras liberan muy pocos o ninguno. Y las partículas de rápida liberación continúan liberando iones a un ritmo más rápido que sus vecinas: un efecto de retroalimentación positiva, o «los ricos se hacen más ricos», que no se había identificado antes.

“Ahora tenemos una imagen, literalmente una película, de cómo se mueve el litio dentro de la batería, y es muy diferente de lo que pensaban los científicos e ingenieros”, dijo Kang. “Esta carga y descarga desigual ejerce más tensión sobre los electrodos y reduce su vida útil. Comprender este proceso en un nivel fundamental es un paso importante para resolver el problema de la carga rápida «.

Los científicos dicen que su nuevo método tiene potencial para mejorar el costo, la capacidad de almacenamiento, la durabilidad y otras propiedades importantes de las baterías para una amplia gama de aplicaciones, desde vehículos eléctricos hasta computadoras portátiles y el almacenamiento a gran escala de energía renovable en la red.

“Fue hace solo dos años que se otorgó el Premio Nobel de Química 2019 por el desarrollo de baterías recargables de iones de litio, que se remonta a la década de 1970”, dijo Chueh. «Así que me alienta que todavía hay mucho que aprender sobre cómo mejorar las baterías».

Esta investigación fue financiada por Toyota Research Institute. La fuente de luz de radiación de sincrotrón de Stanford y la fuente de luz avanzada son instalaciones para usuarios de la Oficina de Ciencias del DOE, y el trabajo allí fue apoyado por la Oficina de Ciencias del DOE y el Programa de Investigación de Materiales de Baterías Avanzadas del DOE.

Cita: Jungjin Park et al., Nature Materials , 8 de marzo de 2021 [ 10.1038 / s41563-021-00936-1 ]