Baterie sodowo-jonowe coraz bliżej przełomu. Sztuczna inteligencja pomoże zwiększyć ich wydajność

Naukowcy z University of Surrey opracowali bibliotekę materiałów, która w przyszłości może przyspieszyć projektowanie wydajniejszych baterii sodowo-jonowych. Badacze sprawdzili, jak niewielkie zmiany składu chemicznego wpływają na pojemność, trwałość i szybkość ładowania akumulatorów. Zebrane dane mogą stać się podstawą do wykorzystania sztucznej inteligencji w poszukiwaniu nowych materiałów do magazynowania energii.

Baterie sodowo-jonowe alternatywą dla technologii litowo-jonowej

Akumulatory litowo-jonowe od lat dominują na rynku magazynowania energii. Znajdują zastosowanie w samochodach elektrycznych, urządzeniach elektronicznych i wielkoskalowych magazynach energii. Rosnące zapotrzebowanie na baterie skłania jednak naukowców do poszukiwania technologii, które pozwolą ograniczyć zależność od surowców o ograniczonej dostępności.

Jednym z najbardziej obiecujących kierunków są baterie sodowo-jonowe. Ich istotną zaletą jest wykorzystanie sodu, pierwiastka znacznie bardziej rozpowszechnionego w przyrodzie niż lit. Może to w przyszłości ułatwić rozwój produkcji akumulatorów i zmniejszyć zależność od wybranych łańcuchów dostaw surowców.

Technologia ta nadal mierzy się jednak z ograniczeniami. Szczególnym wyzwaniem pozostaje zwiększenie gęstości energii, poprawa wydajności podczas szybkiego ładowania oraz ograniczenie utraty pojemności w kolejnych cyklach pracy.

Odpowiedzi na część tych problemów poszukuje zespół badaczy z University of Surrey, który skoncentrował się na modyfikowaniu materiałów wykorzystywanych w katodach akumulatorów sodowo-jonowych.

Naukowcy przetestowali 28 składów chemicznych

W badaniu opublikowanym na łamach czasopisma naukowego Journal of Materials Chemistry A przeanalizowano właściwości tlenku sodowo-manganowego. Materiał ten jest jednym z kandydatów do zastosowania w katodach baterii sodowo-jonowych.

Katoda odgrywa kluczową rolę w funkcjonowaniu akumulatora. Jej właściwości wpływają między innymi na ilość magazynowanej energii, zachowanie baterii podczas ładowania i rozładowywania oraz trwałość całego ogniwa.

Badacze przygotowali bibliotekę obejmującą 28 różnych kompozycji materiałowych. W każdej z nich część manganu zastępowano żelazem, tytanem lub wanadem, zmieniając proporcje poszczególnych pierwiastków.

Następnie porównano zachowanie otrzymanych materiałów podczas testów elektrochemicznych w ogniwach sodowo-jonowych. Pozwoliło to określić, które modyfikacje korzystnie wpływają na wybrane parametry akumulatorów.

Wyniki pokazały, że nawet stosunkowo niewielkie zmiany składu chemicznego mogą znacząco wpływać na właściwości materiału katodowego.

SPRAWDŹ RÓWNIEŻ: Baterie sodowo-jonowe i V2G kręgosłupem taniej transformacji. Nowe badania LUT University – e-magazyny.pl

Żelazo zwiększa pojemność, wanad poprawia trwałość

Analiza wykazała, że poszczególne pierwiastki oddziałują na różne aspekty pracy akumulatora. Dodatek żelaza wiązał się ze zwiększeniem zdolności materiału do magazynowania energii. Wanad korzystnie wpływał natomiast na stabilność katody podczas kolejnych cykli ładowania i rozładowywania, co ma znaczenie dla żywotności baterii.

Interesujące rezultaty uzyskano również w przypadku tytanu. Jego niewielkie ilości poprawiały zachowanie niektórych materiałów przy wyższych szybkościach ładowania i rozładowywania. Co więcej, wybrane kompozycje zawierające ten pierwiastek zachowały ponad 90 proc. początkowej pojemności po 100 cyklach pracy.

To istotna obserwacja z punktu widzenia dalszego rozwoju technologii. W praktycznych zastosowaniach liczy się bowiem nie tylko ilość energii, którą można zgromadzić w baterii, ale także tempo jej ładowania oraz możliwość wielokrotnego użytkowania bez znacznego pogorszenia parametrów.

Badanie pokazało jednocześnie, że poprawa jednej właściwości nie musi oznaczać równie korzystnego wpływu na pozostałe. Dlatego opracowanie wydajnego materiału katodowego wymaga znalezienia odpowiedniej równowagi między pojemnością, trwałością i wydajnością przy dużych obciążeniach.

Sztuczna inteligencja może przyspieszyć projektowanie baterii

Jednym z najważniejszych elementów projektu było opracowanie sposobu automatycznej analizy danych uzyskiwanych podczas eksperymentów.

Zespół wykorzystał zebrane wyniki do trenowania modelu uczenia maszynowego. Celem było stworzenie podstaw do systemu, który w przyszłości mógłby przewidywać właściwości nowych materiałów katodowych na podstawie ich składu chemicznego.

Na obecnym etapie baza obejmująca 28 kompozycji jest jednak zbyt mała, aby model mógł dostarczać wiarygodnych prognoz dla szerokiej grupy materiałów. Naukowcy traktują więc dotychczasowe rezultaty jako pierwszy etap budowania większego zbioru danych.

Wraz z jego rozwojem algorytmy sztucznej inteligencji mogłyby wskazywać najbardziej obiecujące połączenia pierwiastków jeszcze przed rozpoczęciem syntezy i badań laboratoryjnych.

Takie podejście pozwoliłoby ograniczyć liczbę eksperymentów wykonywanych metodą prób i błędów. Zamiast sprawdzać dużą liczbę przypadkowych kompozycji, naukowcy mogliby koncentrować się na materiałach, które według modelu mają największy potencjał.

Nie oznacza to zastąpienia badań laboratoryjnych przez sztuczną inteligencję. Algorytmy mogłyby natomiast wspierać wybór kierunków eksperymentów, skracając proces poszukiwania nowych rozwiązań.

Nowe materiały mogą odpowiadać na różne potrzeby rynku

Wyniki prac University of Surrey wskazują, że rozwój baterii sodowo-jonowych nie musi opierać się na poszukiwaniu jednego uniwersalnego materiału katodowego.

W zależności od zastosowania inne właściwości mogą mieć kluczowe znaczenie. W stacjonarnych magazynach energii szczególnie istotna może być długotrwała stabilność i odporność na wielokrotne cykle pracy. Z kolei w zastosowaniach wymagających szybkiego dostarczania lub przyjmowania energii większe znaczenie zyskuje wydajność przy wysokich prądach.

Rozbudowana biblioteka materiałowa mogłaby pomóc projektować katody dostosowane do konkretnych wymagań, zamiast poszukiwać rozwiązania zapewniającego jednocześnie maksymalne osiągi we wszystkich kategoriach.

Autorzy badania zakładają, że rozszerzenie analiz na większą liczbę kompozycji i różne grupy materiałów katodowych pozwoli stworzyć wysokiej jakości zbiory danych niezbędne do skutecznego wykorzystania uczenia maszynowego.

Czy AI przyspieszy rozwój akumulatorów sodowo-jonowych?

Projekt realizowany na University of Surrey pokazuje, jak można połączyć klasyczne badania materiałowe z narzędziami analizy danych i sztucznej inteligencji.

Choć uzyskane rezultaty nie oznaczają jeszcze powstania nowej generacji komercyjnych baterii, dostarczają informacji o zależnościach między składem chemicznym katody a jej właściwościami elektrochemicznymi.

W przyszłości podobne biblioteki mogą stać się ważnym elementem projektowania akumulatorów, umożliwiając szybsze identyfikowanie materiałów o pożądanych parametrach.

Dla branży magazynowania energii szczególnie istotna jest możliwość równoczesnej pracy nad zwiększeniem pojemności, poprawą trwałości i osiąganiem lepszej wydajności podczas szybkiego ładowania. Jeżeli kolejne badania potwierdzą skuteczność tego podejścia na większą skalę, sztuczna inteligencja może odegrać ważną rolę w rozwoju konkurencyjnych wobec technologii litowo-jonowej akumulatorów sodowych.

Źródło: University of Surrey