Новая модель, основанная на методах машинного обучения, показывает, как батареи со временем изнашиваются. Он сканирует тысячи частиц в электроде батареи одновременно. Эта информация может помочь производителям разработать долговечные, надежные батареи.
Рынок потребительской электроники и электромобилей растет значительными темпами, и это привело к тому, что ученые всего мира стали изучать различные компоненты аккумуляторов, стремясь повысить плотность энергии и мощности, продлить срок службы, повысить безопасность и снизить затраты.
В отличие от микропроцессоров, технология батарей развивалась довольно медленно. Современные батареи имеют гораздо меньшую энергию на единицу массы, чем обычные виды топлива, такие как бензин. Это одна из причин, почему электродвигатели не так энергоэффективны, как двигатели внутреннего сгорания.
Недавно международная команда исследователей разработала наиболее детальный обзор электродов литий-ионных аккумуляторов, чтобы лучше понять, как батареи со временем изнашиваются. Они использовали рентгеновский инструмент на основе алгоритмов машинного обучения.
Этот инструмент способен одновременно сканировать тысячи частиц (а также атомов, составляющих частицы) в электроде литий-ионного аккумулятора. Полученное изображение может показать большинство поврежденных областей, вызванных повторной зарядкой батареи.
На самом деле, аккумуляторный электрод состоит из миллионов мельчайших частиц. С новым инструментом искусственного интеллекта команда может исследовать эти частицы, как никогда раньше, в различных условиях эксплуатации.
До сих пор большинство исследований было сосредоточено на одном уровне частиц, чтобы понять всю батарею. Однако существует большая разница между всей батареей в сантиметровом масштабе и одной частицей в микромасштабе.
При каждом цикле зарядки ионы лития перемещаются назад и вперед между отрицательным электродом и положительным электродом, взаимодействуя с частицами в электродах и вызывая их разрушение и разрушение с течением времени.
Повреждение электрода снижает зарядную емкость батареи. Вот почему батарея вашего ноутбука теряет полную зарядную емкость с каждым циклом зарядки. Кроме того, увеличение его емкости приведет к снижению его надежности.
Для изучения частиц электрода исследователи разработали новую методику, позволяющую получать изображение электрода с нанометрическим разрешением. Он предлагает беспрецедентный объем структурной информации, способствуя сложному и ценному статистическому анализу.
Они наблюдали сосуществование слоистых структур и структур каменной соли над трещинами. Чтобы проанализировать влияние этих трещин на производительность батареи, они разработали вычислительные инструменты и теории.
Они также использовали моделирование методом конечных элементов (численный метод решения инженерных задач), чтобы зафиксировать временную эволюцию концентрации лития и механических напряжений в электроде. Это обеспечило глубокое понимание неоднородных структурных повреждений на уровне электродов.
Они обнаружили, что частицы в батарее не выходят из строя в одном и том же месте или в одно и то же время: некоторые частицы разлагаются быстрее, чем другие. Например, частицы около сепаратора (где ионы перемещаются взад и вперед) быстрее разрушаются, потому что они используются чаще, чем частицы около дна электродных материалов.
Эта неоднородная деградация (изменчивость в повреждении частиц электрода) хуже в условиях быстрой зарядки, особенно в более толстых электродах.
Цель этого исследования – помочь производителям разработать долговечные и надежные аккумуляторы для электронных устройств. Команда продолжит использовать ту же методологию, чтобы лучше понять, как такие повреждения происходят и влияют на производительность коммерческих батарей.
