Alors que la transition propre favorise l’adoption des véhicules électriques et le stockage d’énergie pour un réseau électrique dépendant de plus en plus de sources d’énergie renouvelables variables telles que l’énergie éolienne et solaire, le danger d’incendie de batteries augmente également. Pour limiter ce risque tout en améliorant les performances des batteries, la prochaine génération de batteries dépendra probablement de nouveaux électrolytes à l’état solide, mais la recherche a été entravée par le grand nombre d’options de matériaux et les paramètres impliqués.
Cependant, l’apprentissage automatique vient à la rescousse. Un groupe de scientifiques des matériaux a développé une nouvelle base de données dynamique de centaines d’électrolytes solides auxquels ils ont appliqué des techniques d’intelligence artificielle qui orientent déjà la recherche dans de meilleures directions.
Un article décrivant leur approche a été publié dans la revue Science des nanomatériaux le 10 septembre 2023.
Les solvants organiques sont couramment utilisés comme électrolytes (substances, généralement liquides ou gels, qui facilitent le mouvement des particules chargées, ou ions, entre les électrodes positives et négatives) dans de nombreuses batteries rechargeables.
Ce type de solvant offre une bonne conductivité et permet un transport efficace des ions entre les électrodes, mais une série de problèmes de sécurité et de performances signifient que les chercheurs en batteries sont depuis longtemps à la recherche de matériaux électrolytiques alternatifs.
En particulier, les solvants organiques peuvent être inflammables et provoquer des réactions d’emballement thermique, provoquant des incendies ou des explosions. De plus, les solvants organiques peuvent être sujets à une décomposition chimique, ce qui peut entraîner la formation de gaz et la dégradation de l’électrolyte au fil du temps, réduisant ainsi les performances et la durée de vie de la batterie. De plus, ils souffrent parfois d’une plage limitée de tensions dans lesquelles la batterie peut fonctionner.
Une voie alternative consiste à utiliser des batteries entièrement solides (ASSB), dans lesquelles le solvant organique liquide ou gélifié traditionnel est remplacé par un électrolyte solide, éliminant ainsi le problème de fuite et donc d’explosion. Non seulement ces électrolytes solides améliorent la sécurité, mais ils offrent également une densité énergétique plus élevée et, potentiellement, des temps de charge plus rapides.
Cependant, la recherche d’électrolytes à l’état solide, ou SSE, dotés d’une conductivité ionique élevée (la capacité des ions à se déplacer à travers la batterie et à produire un courant) a été semée d’embûches, principalement en raison de leurs structures complexes et de la relation entre ces structures. et les performances. Jusqu’à présent, seuls les SSE à migration ionique lente ont été identifiés. Sans SSE performants, le développement des ASSB a été gravement entravé.
« Ce qui rend les choses pire encore, c’est le grand nombre d’ESS parmi lesquelles choisir », a déclaré Hao Li, scientifique en matériaux à l’Institut avancé de recherche sur les matériaux de l’Université de Tohoku et auteur correspondant de l’article. « Il existe des centaines de possibilités, et c’est un véritable défi pour les chercheurs de s’attaquer à un tel volume d’options tout en gardant une trace des nombreux paramètres de performances optimales. »
L’équipe a donc développé une base de données dynamique expérimentale, la base de données dynamique des électrolytes solides (DDSE), qui contenait initialement plus de 600 matériaux électrolytiques potentiels à l’état solide, couvrant une large plage de températures de fonctionnement et englobant divers cations et anions (positifs et négatifs). ions), pour explorer les relations entre les différentes variables.
Une base de données dynamique est un type de base de données conçue pour être facilement mise à jour et modifiée fréquemment, permettant des modifications et des ajouts en temps réel aux données qu’elle contient. Ce type de base de données est souvent utilisé dans des situations où les informations évoluent constamment. Dans ce cas, le DDSE est continuellement mis à jour avec de nouvelles données expérimentales. La base de données est mise à jour chaque semaine et, depuis janvier 2024, elle contenait plus de 1 000 documents.
Les chercheurs ont ensuite appliqué l’apprentissage automatique au DDSE pour surmonter les limites de l’analyse humaine et les dépenses informatiques extraordinaires des calculs théoriques. En l’absence d’apprentissage automatique, les chercheurs ont eu du mal à comprendre informatiquement le vaste système atomique des SSE ainsi que la complexité des réactions chimiques impliquées.
En tirant parti de l’apprentissage automatique, les chercheurs peuvent faire de meilleures prédictions sur les nouveaux matériaux électrolytiques à l’état solide à un coût informatique (et financier) bien inférieur, avec une perte de temps minimale par rapport aux précédentes tentatives d’essais et d’erreurs de conception SSE.
Ce faisant, ils ont commencé à démêler les relations complexes entre plusieurs variables différentes, notamment le transport des ions, la composition, l’énergie d’activation (la quantité d’énergie nécessaire pour déclencher une réaction chimique) et la conductivité, permettant le développement d’un nouvel ensemble de variables. de lignes directrices pour la conception des ESS. Les chercheurs ont déjà identifié les tendances de développement et de performances des SSE dans différentes classes de matériaux, ainsi que les goulots d’étranglement en termes de performances pour chaque classe de SSE.
Le DDSE a également été conçu avec une interface conviviale pour permettre à d’autres scientifiques spécialisés dans les batteries et les matériaux, au-delà de l’équipe d’origine, de le mettre à jour et de l’utiliser eux-mêmes.
Plus d’information:
Fangling Yang et al, Une base de données dynamique d’électrolyte solide (DDSE) illustrant des batteries entièrement solides, Science des nanomatériaux (2023). DOI : 10.1016/j.nanoms.2023.08.002