Ai raggi X le particelle degli elettrodi delle batterie sorprendono ancora
Nuovo studio combina esperimenti e algoritmi di scientific machine learning ottenendo risultati inaspettati nell’esame di cosa avviene nelle celle sottoposte a ricarica veloce
Lo SLAC National Accelerator Laboratory del dipartimento americano dell’Energia e l’università di Stanford avevano già collaborato nei mesi scorsi a studi mirati a impiegare il machine learning per accelerare i test delle batterie e a vagliare i migliori protocolli per ricaricare di energia le celle.
Con la collaborazione del Lawrence Berkeley National Laboratory e il supporto del Toyota Research Institute, hanno fatto recentemente un ulteriore passo avanti in grado di rivelare i fenomeni fisici e chimici sottostanti a processi come quello della ricarica ultra-rapida, preliminari ad ottenere prodotti in commercio in grado di ricaricare a potenza elevata in dieci minuti senza condannare a vita la batteria sottoposta a questi trattamenti.
Un nuovo studio da poco pubblicato su Nature Materials chiarisce come il scientific machine learning sia in grado di combinare programmazione con esperimenti dei ricercatori guidati dal docente di Stanford Will Chueh ha ribaltato alcune convinzioni radicate sul modo in cui si riteneva che gli elettrodi delle celle agli ioni di litio (in questo caso nella variante con la diffusa chimica commerciale NCM 111) si caricassero e scaricassero.
“In questo caso stiamo insegnando alla macchina come imparare la fisica da un nuovo tipo di meccanismo di insuccesso che potrebbe aiutarci a progettare batterie in grado di ricaricarsi molto velocemente migliori e più sicure”, ha commentato nella nota il Professor Chueh.“La ricarica veloce è incredibilmente stressante e dannosa per le batterie, e risolvere questo problema è la chiave per espandere la flotta nazionale di veicoli elettrici come parte della strategia complessiva di lotta al cambiamento climatico”.
Lo studio si è focalizzato in particolare sul meccanismo durante il quale i percorsi continui degli ioni durante carica e scarica fanno gonfiare, contrarre e fessurare le particelle di cui sono costituiti gli elettrodi, che così a gioco lungo possono perdere capacità di stoccare la carica, in particolare se sottoposte a frequenti e ripetuti cicli di ricarica molto veloce.
I ricercatori impegnati nello studio Stephen Dongming Kang e Jungjin Park hanno usato il sincrotrone dello SLAC per guardare attraverso i raggi X le particelle sottoposte di nichel, cobalto e manganese sottoposte a ricariche veloci. In seguito grazie alla luce di sincrotrone dell’infrastruttura del Lawrence Berkeley Laboratory hanno potuto esaminare le particelle su scala ancora più dettagliata, in pratica individuale.
I dati raccolti negli esperimenti presso i due laboratori insieme alle informazioni dei modelli matematici sulla ricarica veloce e alle equazioni che descrivono la chimica e la fisica del processo sono stati incorporati negli algoritmi. “Invece di avere un computer che creava un modello semplicemente assorbendo i dati come negli studi precedenti” e come è la prassi nel machine learning tradizionale, ha spiegato Hongbo Zhao, che all’MIT insieme al professor Martin Bazant si è occupato degli algoritmi “abbiamo insegnato al computer come scegliere o imparare le equazioni giuste, e perciò la fisica giusta”.
Finora la ricerca era convinta che le differenze tra le particelle fossero insignificanti e che la loro capacità di alloggiare e rilasciare ioni fosse limitata da quanto rapidamente il litio potesse muoversi tra le particelle. Invece si è visto che l’uniformità delle particelle degli elettrodi è un fattore chiave.
Le stesse particelle controllano quanto velocemente gli ioni di litio si muovano fuori dalle particelle dei catodi quando la batteria si carica. Alcune particelle rilasciano rapidamente molti dei loro ioni, altre pochi o nessuno. E le particelle che rilasciano ioni con facilità lo fanno con una rapidità superiore a quella delle particelle vicine più pigre, con la tendenza al feedback positivo con un effetto per cui la loro rapidità tende a consolidarsi nel tempo.
In pratica ormai, come indica l’animazione che riproduciamo qui sopra, grazie alle immagini ricavate ai raggi X negli esperimenti e agli algoritmi si sta completando una sorta di film che raffigura il modo in cui il litio si muove nella cella durante la ricarica veloce e la scarica, e non corrisponde al quadro finora convenzionalmente accettato. In sintesi: sarà decisivo chiarire le differenze tra particelle piuttosto che dentro alle particelle.
Come hanno sottolineato i ricercatori, questa ricarica e carica disuguale sottopone a più stress gli elettrodi e abbrevia i cicli di vita delle celle. Capire il processo ai livelli di fondamentali è un passo avanti importante per risolvere il rebus della ricarica veloce nelle celle con una chimica come quella NCM presa in esame dallo studio in cui si creano reazioni avverse (altri tipi di celle non hanno le stesse reazioni negative con grandi potenze di ricarica, ad esempio quelle agli ioni di sodio, ma non raggiungono la densità di energia delle celle agli ioni di litio che per questo sono preferite in molti impieghi).
Secondo gli scienziati di SLAC, Stanford ed MIT che hanno collaborato insieme, la combinazione di esperimenti e scientific machine learning ha il potenziale per migliorare costi, capacità, durata ed altre importanti qualità delle batterie agli ioni di litio per una vasta gamma di applicazioni, dall’elettronica di consumo ai veicoli.
