KI entschlüsselt Bilder auf atomarer Ebene für bessere Batterien
Seit langem bestehende Fragen zu einer neuen Art von Batterien, die der Lithium-Ionen-Chemie Konkurrenz machen, beantwortet
Die heutigen wiederaufladbaren Batterien sind ein Wunderwerk, aber bei weitem nicht perfekt. Irgendwann verschleißen sie alle, was teuren Ersatz und Recycling nach sich zieht.
Künstlerische Darstellung eines Partikels, das durch eine Kombination aus maschinellem Lernen, Röntgen- und Elektronenmikroskopie analysiert wurde.
Ella Maru Studio
"Aber was wäre, wenn Batterien unzerstörbar wären?", fragt William Chueh, außerordentlicher Professor für Materialwissenschaften und Ingenieurwesen an der Stanford University und Hauptautor einer neuen Arbeit, die einen erstmaligen analytischen Ansatz für den Bau besserer Batterien beschreibt, der dazu beitragen könnte, diesen Tag zu beschleunigen. Die Studie erscheint in der Zeitschrift Nature Materials.
Chueh, der Hauptautor Haitao "Dean" Deng, PhD '21, und Mitarbeiter des Lawrence Berkeley National Laboratory, des MIT und anderer Forschungseinrichtungen nutzten künstliche Intelligenz, um neue Arten von mikroskopischen Bildern im atomaren Maßstab zu analysieren, um genau zu verstehen, warum Batterien verschleißen. Diese Erkenntnisse könnten schließlich zu Batterien führen, die viel länger halten als die heutigen. Konkret untersuchten sie eine bestimmte Art von Lithium-Ionen-Batterien, die auf so genannten LFP-Materialien basieren, die den Massenmarkt für Elektrofahrzeuge erobern könnten, weil sie keine Chemikalien mit eingeschränkten Lieferketten verwenden.
Nanobrüche
"Stellen Sie sich eine Batterie wie eine keramische Kaffeetasse vor, die sich ausdehnt und zusammenzieht, wenn sie sich erwärmt und abkühlt. Diese Veränderungen führen schließlich zu Rissen in der Keramik", erklärt Chueh. "Die Materialien in einer wiederaufladbaren Batterie tun dasselbe, wenn man sie auflädt, und verbrauchen dann den Strom, was zu einem Ausfall führt.
In der Batterie, so Chueh, ist es nicht die Temperatur, die die Risse verursacht, sondern die mechanische Belastung, die die Materialien bei jedem Ladezyklus aufeinander ausüben.
"Leider wissen wir nicht viel darüber, was auf der Nanoskala passiert, wo sich die Atome verbinden", so Chueh. "Diese neuen hochauflösenden Mikroskopietechniken ermöglichen es uns, dies zu sehen, und KI hilft uns zu verstehen, was dort passiert. Zum ersten Mal können wir diese Kräfte auf der Nanometerskala sichtbar machen und messen."
Laut Chueh ist die Leistung eines jeden Materials eine Funktion sowohl seiner Chemie als auch der physikalischen Interaktion im Material auf atomarer Ebene, was er als "Chemomechanik" bezeichnet. Und je kleiner die Dinge werden und je unterschiedlicher die Atome sind, aus denen das Material besteht, desto schwieriger ist es vorherzusagen, wie sich das Material verhalten wird. Hier kommt die KI ins Spiel.
Ein transformatives Werkzeug
Der Einsatz von künstlicher Intelligenz für die Bildanalyse ist nicht neu, wohl aber die Untersuchung atomarer Wechselwirkungen auf kleinstem Raum. In der Medizin hat sich die künstliche Intelligenz zu einem transformativen Werkzeug für die Analyse von Bildern entwickelt, die von defekten Knien bis zu tödlichen Krebserkrankungen reichen. In der Materialwissenschaft ermöglichen neue Methoden der hochauflösenden Röntgen-, Elektronen- und Neutronenmikroskopie eine direkte Visualisierung auf der Nanoskala.
Als Untersuchungsgegenstand wählte das Team Lithiumeisenphosphat oder "LFP", ein bekanntes Material für positive Elektroden, das bei Herstellern von Elektroautos und anderen batterieintensiven Unternehmen immer beliebter wird. Diese Elektrode enthält kein Kobalt und Nickel, die in vielen handelsüblichen Batterien verwendet werden. LFP-Batterien sind auch sicherer, obwohl sie weniger Strom pro Pfund speichern.
Obwohl LFP seit zwei Jahrzehnten erforscht wird, konnten zwei wichtige offene technische Fragen bisher nur erahnt werden. Bei der ersten geht es darum, die Elastizität und Verformung des Materials beim Laden und Entladen zu verstehen. Die zweite Frage betrifft die Art und Weise, wie sich das Material in einem bestimmten Bereich ausdehnt und zusammenzieht, in dem die LFP teilweise stabil oder "metastabil" ist.
Deng konnte beides zum ersten Mal mit Hilfe seiner Bildlerntechniken erklären, die er auf eine Reihe zweidimensionaler Bilder, die von einem Rastertransmissionselektronenmikroskop erzeugt wurden, und auf fortgeschrittene Röntgenbilder (Spektroptychographie) anwandte. Die Ergebnisse seien wichtig für die Kapazität, den Energieerhalt und die Rate einer Batterie. Noch besser: Er glaubt, dass sie sich auf die meisten kristallinen Materialien übertragen lassen, die sich ebenfalls als Elektroden eignen.
"KI kann uns dabei helfen, diese physikalischen Zusammenhänge zu verstehen, die für die Vorhersage der Leistung einer neuen Batterie, ihrer Zuverlässigkeit im realen Einsatz und der Degradation des Materials im Laufe der Zeit entscheidend sind", so Deng.
Neue Wege
Chueh nennt Deng einen "akademischen Unternehmer". Er ist von Haus aus Chemiker, hat sich aber die Feinheiten der künstlichen Intelligenz selbst beigebracht, um sich dieser Herausforderung zu stellen. Laut Deng handelt es sich bei dem Ansatz um eine Form des "inversen Lernens", bei dem das Ergebnis bekannt ist - hochauflösende Standbilder von degradiertem LFP - und die künstliche Intelligenz dabei hilft, die physikalischen Zusammenhänge zu rekonstruieren, um zu erklären, wie es zu dieser Situation kam. Dieses neue Wissen bildet wiederum die Grundlage für die Verbesserung der Materialien.
Deng merkte an, dass frühere Studien, die nicht auf KI basierten, Zusammenhänge bei der Beeinflussung der Haltbarkeit von Elektroden durch mechanische Belastungen aufgedeckt haben, aber dieser neue Ansatz bietet sowohl einen spannenden Weg als auch die Motivation, ein grundlegenderes Verständnis für die Mechanik zu entwickeln.
Als nächstes arbeiten die Forscher nach eigenen Angaben bereits daran, ihre Techniken einzusetzen, um vielversprechende neue Batteriedesigns auf atomarer Ebene zu erforschen. Ein Ergebnis könnte eine neue Batteriesteuerungssoftware sein, die das Laden und Entladen auf eine Weise steuert, die die Lebensdauer der Batterie verbessert. Ein weiterer spannender Weg ist die Entwicklung genauerer Berechnungsmodelle, die es Batterieingenieuren ermöglichen, alternative Elektrodenmaterialien am Computer statt im Labor zu erforschen.
"Diese Arbeit ist bereits im Gange", so Chueh. "KI kann uns dabei helfen, alte Materialien auf neue Weise zu betrachten und vielleicht einige vielversprechende Alternativen aus noch unbekannten Materialien zu finden.
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
Holen Sie sich die Chemie-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für die chemische Industrie, Analytik, Labor und Prozess bringt Sie jeden Dienstag und Donnerstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
Meistgelesene News
Weitere News von unseren anderen Portalen
Verwandte Inhalte finden Sie in den Themenwelten
Themenwelt Batterietechnik
Die Themenwelt Batterietechnik bündelt relevantes Wissen in einzigartiger Weise. Hier finden Sie alles über Anbieter und deren Produkte, Webinare, Whitepaper, Kataloge und Broschüren.
Themenwelt Batterietechnik
Die Themenwelt Batterietechnik bündelt relevantes Wissen in einzigartiger Weise. Hier finden Sie alles über Anbieter und deren Produkte, Webinare, Whitepaper, Kataloge und Broschüren.
