Un equipo de SLAC, Stanford, MIT y el Instituto de Investigación Toyota utilizó el aprendizaje automático para volver a analizar películas de rayos X de iones de litio que entran y salen de las nanopartículas de electrodos de la batería (izquierda) durante el ciclo de la batería. Los colores falsos en esta imagen muestran el estado de carga de cada partícula y revelan cuán desigual puede ser el proceso dentro de una sola partícula. Crédito: Cube3D
Permite a los investigadores extraer información píxel por píxel de películas de rayos X a nanoescala de partículas de electrodos que absorben y liberan iones de litio.
Miles de millones de pequeñas partículas empaquetadas en electrodos de baterías recargables de iones de litio son responsables de almacenar la carga y hacerla disponible cuando sea necesario para realizar el trabajo. Las películas de rayos X de este proceso muestran las partículas absorbiendo y liberando iones de litio a medida que la batería se carga y descarga.
Ahora, en un importante paso adelante, los investigadores han utilizado un tipo de aprendizaje automático llamado “visión por computadora” para profundizar aún más, analizando cada píxel de estas películas de rayos X para descubrir detalles físicos y químicos del ciclo de la batería que no podían ser. ser visto antes.
El nuevo método ya ha sugerido una forma de fabricar miles de millones de nanopartículas en un tipo de electrodo de batería de iones de litio para almacenar y liberar carga de manera más eficiente, según investigadores del Laboratorio Nacional del Acelerador SLAC del Departamento de Energía de la Universidad de Stanford, del Instituto de Tecnología de Massachusetts. y el Instituto de Investigación Toyota informaron en Nature el 13 de septiembre.
«Hasta ahora, podíamos hacer estas hermosas películas de rayos X de nanopartículas de baterías en funcionamiento, pero las películas eran tan ricas en información que comprender los detalles sutiles de cómo funcionan las partículas fue un verdadero desafío», dijo William Chueh, asociado de Stanford. profesor, científico de la facultad de SLAC y director del SLAC-Stanford Battery Center, quien codirigió el estudio con el profesor del MIT Martin Bazant.
«Ahora podemos extraer conocimientos que antes no eran posibles», dijo Chueh. «Este es el tipo de información fundamental basada en la ciencia que nuestros socios de la industria necesitan para desarrollar mejores baterías más rápido».
En términos más generales, dijeron los investigadores, este enfoque para descubrir la física detrás de patrones complejos en imágenes podría incluso proporcionar información sin precedentes sobre otros tipos de sistemas químicos y biológicos, como la división de células en un embrión en desarrollo.
Las baterías transparentes revelan sus secretos
Las partículas de la batería que estudió el equipo de investigación están hechas de fosfato de hierro y litio o LFP. Están empaquetados por miles de millones en los electrodos positivos de muchas baterías de iones de litio, cada uno recubierto con una fina capa de carbono para mejorar la conductividad eléctrica del electrodo.
Para observar lo que sucede dentro de la batería mientras funciona, el equipo de Chueh construye pequeñas baterías transparentes en las que dos electrodos están rodeados por una solución electrolítica llena de iones de litio que se mueven libremente.
Cuando la batería se descarga, los iones de litio fluyen hacia el electrodo positivo del LFP y se alojan dentro de sus nanopartículas como automóviles en un estacionamiento lleno de gente, en una reacción llamada intercalación. Cuando la batería está cargada, fluyen nuevamente y viajan al electrodo negativo opuesto.
Un equipo de SLAC, Stanford, MIT y el Instituto de Investigación Toyota utilizó el aprendizaje automático para volver a analizar películas de rayos X como ésta, píxel a píxel, y descubrir nuevos detalles físicos y químicos del ciclo de la batería. Esta animación se basa en imágenes de rayos X tomadas por el equipo en 2016. Muestra algunos de los miles de millones de nanopartículas en un electrodo de batería de iones de litio cargándose (de rojo a verde) y descargándose (de verde a rojo) a medida que los iones de litio llegan. y va. de ellos y revela cuán desigual puede ser el proceso dentro de una sola partícula. Crédito: Laboratorio Nacional del Acelerador SLAC
“El fosfato de hierro y litio es un material importante para las baterías debido a su bajo costo, buen historial de seguridad y uso de elementos abundantes”, dijo Brian Storey, director senior de Energía y Materiales del Instituto de Investigación Toyota, que financió el trabajo en SLAC y el MIT. . . «Estamos viendo un uso cada vez mayor de LFP en el mercado de vehículos eléctricos, por lo que el momento de realizar este estudio no podría ser mejor».
Historia de la colaboración y trabajos anteriores.
Chueh y Bazant comenzaron a colaborar en la investigación de baterías hace ocho años. Bazant ya había realizado muchos modelos matemáticos de patrones formados por iones de litio cuando entran y salen de las partículas LFP. Chueh estaba usando un microscopio de rayos X avanzado en la Fuente de Luz Avanzada del Laboratorio Nacional Lawrence Berkeley para hacer películas a nanoescala, con detalles tan pequeños como milmillonésimas de metro, de partículas de batería en funcionamiento.
En 2016, sus equipos de investigación publicaron películas innovadoras a nanoescala sobre cómo los iones de litio entran y salen de nanopartículas LFP individuales.
Luego, con financiación del Instituto de Investigación Toyota, el equipo comenzó a utilizar herramientas de aprendizaje automático desarrolladas en el MIT para acelerar drásticamente las pruebas de baterías y el proceso de selección de muchos métodos de carga posibles para encontrar los que funcionan mejor. También combinaron el aprendizaje automático convencional, que busca patrones en los datos, con el conocimiento adquirido a partir de experimentos y ecuaciones impulsados por la física para descubrir y explicar un proceso que acorta la vida útil de las baterías de iones de litio de carga rápida.
Un análisis píxel a píxel
En este último estudio, Chueh y Bazant utilizaron un subcampo del aprendizaje automático llamado visión por computadora para extraer información más detallada de 62 de las películas de rayos X a nanoescala que hicieron en 2016 sobre la carga o descarga de partículas LFP. Cada imagen fija de estas películas contenía alrededor de 490 píxeles, las unidades más pequeñas de información que se pueden obtener de una imagen, ya sea tomada con rayos X que inciden en un detector o con luz visible que incide en la cámara de un teléfono inteligente. Esto les dio alrededor de 180.000 píxeles de información con los que trabajar.
El equipo utilizó estos 180.000 píxeles para entrenar su modelo computacional para producir ecuaciones que describan con precisión cómo ocurren las reacciones de inserción de litio. Descubrieron que los movimientos de los iones dentro de las partículas de LFP coincidían perfectamente con las predicciones de las simulaciones por computadora de Bazant.
«Cada pequeño píxel salta del lleno al vacío, del lleno al vacío», dijo Bazant. «Y estamos mapeando todo este proceso, usando nuestras ecuaciones para entender cómo está sucediendo».
La nueva técnica reveló varios fenómenos que no se habían visto antes, incluidas variaciones en la velocidad de las reacciones de inserción de litio en diferentes regiones de una sola nanopartícula de LFP. «Hay regiones que parecen ser rápidas», dijo Bazant, «y otras que parecen ser lentas».
El hallazgo práctico más importante del artículo (que las variaciones en el espesor del recubrimiento de carbono de una partícula de LFP controlan directamente la velocidad de entrada y salida de los iones de litio) podría conducir a una carga y descarga más eficiente.
Lo que los científicos aprendieron de este estudio, dijo Bazant, es que es la interfaz entre el electrolito líquido y los materiales sólidos del electrodo, donde la reacción de intercalación y las variaciones en el espesor del recubrimiento de carbono de las partículas interactúan de maneras complicadas, la que controla los procesos de la batería. . . «Eso significa que nuestro enfoque debería centrarse realmente en diseñar esa interfaz», dijo.
Storey del Toyota Research Institute añadió: “Esta publicación es la culminación de seis años de dedicación y colaboración. Esta técnica nos permite desbloquear el funcionamiento interno de la batería de una forma que antes no era posible. Nuestro próximo objetivo es mejorar el diseño de la batería aplicando este nuevo conocimiento”.
Para obtener más información sobre esta investigación, consulte Píxel a píxel: revolucionando los conocimientos sobre baterías de iones de litio.
Referencia: “Aprendizaje de la cinética de reacciones heterogéneas a partir de vídeos de rayos X píxel por píxel” por Hongbo Zhao, Haitao Dean Deng, Alexander E. Cohen, Jongwoo Lim, Yiyang Li, Dimitrios Fragedakis, Benben Jiang, Brian D. Storey, William C Chueh, Richard D. Braatz y Martin Z. Bazant, 13 de septiembre de 2023, Nature.
DOI: 10.1038/s41586-023-06393-x
Hongbo Zhao, un ex estudiante de posgrado del MIT que ahora es investigador postdoctoral en la Universidad de Princeton, y el profesor del MIT Richard Bratz también hicieron importantes contribuciones a este estudio, que contó con el apoyo del Instituto de Investigación Toyota a través del programa Accelerated Materials Design and Discovery. La fuente de luz avanzada es una instalación para usuarios de la Oficina de Ciencias del DOE.
