Поделиться
Нейросети ускорят разработку материалов для пожаробезопасных и энергоемких твердотельных аккумуляторов электромобилей
Машинное обучение ускоряет ключевой этап в поиске материалов для защитных покрытий электролита в твердотельных аккумуляторах, совершенствование которых может сделать электромобили безопаснее и увеличить запас хода. Ученые из «Сколтеха» и института AIRI показали, как при помощи методов машинного обучения ускорить разработку новых материалов для твердотельных аккумуляторов. Нейросети оказались способны распознавать перспективные материалы для электролитов и защитных покрытий — ключевых элементов твердотельных аккумуляторов. По мере совершенствования эта технология может заменить литий-ионные аналоги в электромобилях и портативной электронике, что увеличит время автономной работы и снизит пожароопасность. Исследование опубликовано в журнале npj Computational Materials и поддержано грантом РНФ. Об этом CNews сообщили представители «Сколтеха».
Как и у литий-ионных аккумуляторов, у твердотельных есть положительный и отрицательный электроды, заряд между которыми переносится через электролит в процессе эксплуатации. Роль последнего в литий-ионных аккумуляторах выполняет проводящий ионы раствор.
В твердотельных аккумуляторах электролит — это твердое вещество, проводящее ионы лития.
Твердотельные аккумуляторы пока не применяются в электромобилях, но автопроизводители соревнуются за первенство в их внедрении. Технология может увеличить запас хода примерно в полтора раза и значительно повысить пожаробезопасность. Одно из основных препятствий заключается в том, что ни один из существующих на сегодня твердых электролитов не удовлетворяет всем техническим требованиям. Поэтому поиск новых материалов продолжается.
«Мы показали, что с помощью графовых нейронных сетей можно выявлять новые материалы с высокой ионной проводимостью для твердотельных аккумуляторов следующего поколения. И делать это на порядки быстрее квантово-химических подходов — основного инструмента для теоретических предсказаний в материаловедении. Это значит, что разработка новых материалов для аккумуляторов может ускориться. Что мы и продемонстрировали, предсказав этими методами ряд защитных покрытий для твердотельных аккумуляторов», — сказал первый автор работы, аспирант программы «Науки о материалах» и стажёр-исследователь Центра энергетических технологий «Сколтеха» и младший научный сотрудник института AIRI Артем Дембицкий.
Соавтор исследования, старший преподаватель Центра энергетических технологий «Сколтеха» Дмитрий Аксенов пояснил, зачем нужны защитные покрытия: «Металлический литий (анод) — очень сильный восстановитель, поэтому практически все существующие электролиты начинают восстанавливаться находясь с ним в контакте. А катодный материал — очень сильный окислитель. При окислении и восстановлении у электролитов разрушается структура, и это может привести либо к ухудшению рабочих характеристик аккумулятора, либо вовсе к короткому замыканию. Если добавить защитное покрытие, стабильное в контакте с катодом, анодом и электролитом, то этого можно избежать».
Алгоритмы машинного обучения позволяют ускорить расчеты ионной проводимости — ключевого свойства как для самого электролита, так и для его защитного покрытия. Вообще, скрининг материалов-кандидатов проходит поэтапно по целому ряду характеристик. В случае с материалом покрытия это — термодинамическая стабильность, электронная проводимость (должна быть низкой), электрохимическая стабильность, совместимость с электродами и электролитами, ионная проводимость и др. Причём расчёт ионной проводимости является одним из наиболее ресурсоёмких этапов. В начале отбора список кандидатов может включать десятки тысяч соединений-кандидатов, а в процессе отсева он сужается до нескольких лидеров.
Авторы работы выполнили поиск вариантов защитных покрытий для одного из наиболее перспективных электролитов твердотельных аккумуляторов — Li10GeP2S12. В результате ускоренного машинным обучением скрининга было выявлено несколько перспективных материалов защитного покрытия для этого электролита, например вещества с формулами Li3AlF6 и Li2ZnCl4.
Короткая ссылка
