L'apprentissage automatique accélère la recherche de batteries plus sûres et de meilleure qualité
Développement plus rapide et plus rentable de nouveaux matériaux d'électrolyte à l'état solide
À mesure que la transition propre favorise l'adoption des véhicules électriques et du stockage de l'énergie pour un réseau électrique de plus en plus dépendant de sources d'énergie renouvelables variables telles que le vent et le soleil, le risque d'incendie des batteries s'accroît lui aussi. 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 volume même des options de matériaux et les paramètres impliqués.
L'apprentissage automatique vient toutefois à la rescousse. Un groupe de spécialistes des matériaux a mis au point une nouvelle base de données dynamique de centaines d'électrolytes solides à laquelle 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 Nano Materials Science le 10 septembre 2023.
Les solvants organiques sont couramment utilisés comme électrolytes - ces 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 le transport efficace des ions entre les électrodes, mais une série de problèmes de sécurité et de performance font que les chercheurs en batteries sont depuis longtemps à la recherche de matériaux électrolytiques alternatifs.
En particulier, les solvants organiques peuvent être inflammables et conduire à des réactions d'emballement thermique, provoquant des incendies ou des explosions. En outre, les solvants organiques peuvent être sujets à la 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. En outre, ils souffrent parfois d'une gamme limitée de tensions dans laquelle la batterie peut fonctionner.
Les batteries à l'état solide (ASSB) constituent une solution alternative, dans laquelle le solvant organique liquide ou gélifié traditionnel est remplacé par un électrolyte solide, ce qui élimine le problème des fuites et donc des explosions. 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 solides, ou ESS, présentant une conductivité ionique élevée - la capacité des ions à se déplacer dans la batterie et à produire un courant - a été parsemée 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 faible migration ionique ont été identifiés. En l'absence de SSE performants, le développement des ASSB a été sérieusement entravé.
"Ce qui complique encore les choses, c'est le nombre de SSE parmi lesquels il est possible de choisir", explique Hao Li, chercheur en matériaux à l'Advanced Institute for Materials Research 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 à l'esprit les nombreux paramètres de la performance optimale."
L'équipe a donc mis au point une base de données dynamique expérimentale, la Dynamic Database of Solid-State Electrolyte (DDSE), qui contenait initialement plus de 600 matériaux d'électrolyte solide potentiels, couvrant une large gamme de températures de fonctionnement et englobant divers cations et anions (ions positifs et négatifs), afin d'explorer les relations entre les différentes variables.
Une base de données dynamique est un type de base de données conçu pour être facilement mis à jour et modifié fréquemment, ce qui permet d'apporter des changements et des ajouts en temps réel aux données qu'elle contient. Ce type de base de données est souvent utilisé dans des situations où l'information est en constante évolution. Dans ce cas, la DDSE est continuellement mise à jour avec de nouvelles données expérimentales. La base de données est mise à jour chaque semaine et, en janvier 2024, elle contenait plus de 1 000 matériaux.
Les chercheurs ont ensuite appliqué l'apprentissage automatique à la DDSE pour surmonter les limites de l'analyse humaine et l'extraordinaire coût des calculs théoriques. En l'absence d'apprentissage automatique, les chercheurs ont eu du mal à gérer 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 électrolytes à l'état solide à un coût informatique (et financier) beaucoup plus faible, avec une perte de temps minimale par rapport aux tentatives antérieures de conception d'ESS par essais et erreurs.
Ce faisant, ils ont commencé à mettre en évidence les relations complexes entre de multiples 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, ce qui a permis d'élaborer un nouvel ensemble de lignes directrices pour la conception d'électrolytes solides. Les chercheurs ont déjà identifié les tendances en matière de développement et de performance des SSE dans différentes classes de matériaux, ainsi que les goulets d'étranglement en matière de performance 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, en plus de l'équipe initiale, de le mettre à jour et de l'utiliser eux-mêmes.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
