量子图像和人工智能结合在追求更好的电池

今天的可充电电池是一个奇迹,但离完美还很远。最终,他们都磨损,产生昂贵的替代品和回收。

“但如果电池不可毁灭的吗?”威廉Chueh问道,材料科学和工程学副教授斯坦福大学和高级一篇新论文的作者详细的首开先河的分析方法构建更好的电池,可以帮助加快这一天。这项研究发表在《自然材料》杂志上。

Chueh,海涛“院长”作者邓博士”21日在劳伦斯伯克利国家实验室和合作者,麻省理工学院和其他研究机构使用人工智能分析新型量子微观图像理解为什么电池磨损。最终,他们说,披露可能导致电池,比今天的持续更长的时间。具体来说,他们看着一个特定类型的锂离子电池基于所谓锂材料,这可能导致大众市场的电动汽车,因为它不使用化学物质约束供应链。

Nanofractures

”认为电池是一个陶瓷咖啡杯,扩张和收缩时升温和降温了。这些变化最终导致陶瓷缺陷,“Chueh解释道。“可充电电池的材料做同样的每次充电,然后使用了电,导致失败。”

电池,Chueh指出,这不是导致温度裂缝,但材料的机械应变与每个充电周期。

“不幸的是,我们不知道发生了什么在纳米级原子键,“Chueh说。“这些新的高分辨率显微镜技术允许我们看到它和艾城的帮助我们理解正在发生的事情。第一次,我们可以想象,在单一纳米尺度测量这些力量。”

Chueh说,任何给定的材料的性能是其化学和物理交互功能材料的原子论的规模,他指的是“chemo-mechanics。“更重要的是,小事情变得更多样的原子组成材料,越难预测材料将如何表现。进入人工智能。

变革工具

使用人工智能图像分析并不新鲜,但用它来研究原子相互作用的最小尺度。在医学上,人工智能已成为变革工具分析的图像从错误的膝盖到致命的癌症。与此同时,在材料科学,新方法的高分辨率x射线、电子和中子显微镜是允许直接可视化在纳米尺度上。

为主题,研究小组选择了磷酸亚铁锂或“联赛”,一个著名的材料用于正面电极与电动汽车制造商和其他流行battery-intensive业务。不含钴和镍电极,用于许多商用电池。锂离子电池也更安全,但他们持有更少的电力每磅。

虽然LFP已经被研究过了20年,两个关键突出的技术问题直到现在只能猜测。首先是理解材料的弹性和变形费用和排放。第二个属于如何扩张和收缩在一个特定的政权LFP部分稳定,或“亚稳。”

邓帮助解释第一次用他image-learning技术,他应用产生的一系列二维图像扫描透射电子显微镜,以及先进(spectro-ptychography) x射线图像。结果,他说,重要的是电池的容量,能源保留和速度。更好的是,他认为它是适用于大多数晶体材料,也可能做出好的电极。

“人工智能可以帮助我们理解这些物理关系,预测新电池将如何执行的关键,如何可靠的将会在实际使用和材料降解随着时间的推移,”邓说。

新方向

邓Chueh调用一个“学术企业家。“他是一个化学家背景但自学的细微差别人工智能这一挑战。邓说的方法是一种“逆学习”的结果是,高分辨率静态图像的退化LFP - AI帮助重建物理来解释它是如何。新知识,反过来,成为改善材料的基础。

邓指出,先前non-AI研究阐述相关性在机械压力如何影响电极的耐用性,但这种新方法提供了一个令人兴奋的方式和发展一个更根本的动机的理解机制在起作用。

接下来,研究人员说他们已经在工作中把他们的技术来阐明有前途的新电池设计在原子水平。一个结果可能是新电池控制软件管理充电和放电的方式可以提高电池寿命。另一个令人兴奋的大道是更精确的计算模型的发展,使电池工程师探索替代电极材料在电脑上而不是在实验室。

“这工作已经开始,”Chueh说。“人工智能可以帮助我们看旧材料的新方法,也许从一些到材料找出一些有前途的选择。”

参考:邓高清,赵H,金N, et al。相关图像学习phase-transforming chemo-mechanics的固体。Nat板牙。2月17日在线发表2022:1-8。doi:10.1038 / s41563 - 021 - 01191 - 0

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。