Lourens Livermor Milli Laboratoriyası tərəfindən

redaktə edən: Gaby Clark , rəy verən: Andrew Zinin

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

LLNL tədqiqatçıları molekulyar dinamika simulyasiyalarının fizikaya əsaslanan maşın öyrənməsi ilə inteqrasiyasının mürəkkəb batareya materiallarında kimya, mikrostruktur və davranış arasındakı əlaqələri necə işıqlandıra biləcəyini araşdırdılar. Kredit: Dan Herchek/LLNL

Şəbəkə miqyaslı enerji saxlama və milli enerji dayanıqlığı üçün ABŞ-ın daha yaxşı batareyalara ehtiyacı var. Lourens Livermor Milli Laboratoriyasının (LLNL) alimləri bu çətinliyi bir çox cəhətdən həll edirlər, lakin bir yanaşma əhəmiyyətli təsir göstərir: fizikaya əsaslanan maşın öyrənməsi.

Son iki nəşrdə LLNL tədqiqatçıları molekulyar dinamika simulyasiyalarının fizikaya əsaslanan maşın öyrənməsi ilə inteqrasiyasının mürəkkəb batareya materiallarında struktur və davranış arasındakı əlaqələri necə işıqlandıra biləcəyini araşdırdılar. Onlar natrium-ion batareyalarındakı karbon anodlarını və litium-ion batareyalarındakı maye elektrolitləri araşdırmaq üçün texnikaların kombinasiyasından istifadə etdilər.

LLNL alimi və müəllifi Liven (Sabrina) Van bildirib ki, “Bu tədqiqatlar göstərir ki, batareya materiallarının struktur mürəkkəbliyi yalnız anlaşılmaya maneə deyil, həm də dizayn üstünlüyüdür və yeni nəsil enerji saxlama materiallarının yüksək məhsuldarlıqlı skrininqi üçün zəmin yaradır. Bu mürəkkəbliyi fizikaya əsaslanan maşın öyrənmə modellərinə kodlaşdırmaqla, biz xüsusiyyətləri proqnozlaşdıra və ənənəvi yanaşmaların sadəcə əldə edə bilmədiyi dizayn qollarını müəyyən edə bilərik.”

Sərt karbonun gizli yolları

Energy Storage Materials jurnalında dərc olunmuş ilk məqalədə natrium-ion batareyaları araşdırılır. Natrium bol miqdarda olduğundan və ölkə daxilində mövcud olduğundan, bu texnologiya ABŞ-ın güclü təchizat zəncirinin təmin edilməsi üçün vacibdir.

Natrium batareyaları, natrium ionlarını anod və katod arasında irəli-geri hərəkət etdirməklə işləyir. Ən kommersiya baxımından yetkin natrium anodları, əzilmiş, nizamsız, qrafenə bənzər təbəqələrin qarışığına bənzəyən sərt karbondan hazırlanır . Kiçik məsamələr və boşluqlarla dolu bu struktur pozğunluğu, anodun xarakterizə edilməsini və mühəndislik edilməsini çətinləşdirir.

LLNL alimi və müəllifi Nikhil Rampal bildirib ki, “Natrium ionları bütün bu pozğunluğa daxil ola bilər, təbəqələr arasında sürüşərək, səthlərə çökərək və nanoməsamələri dolduraraq. Bu mürəkkəblik sərt karbonu bu qədər perspektivli edən amillərdən biridir, eyni zamanda onu dizayn etməyi bu qədər çətinləşdirir.”

Tədqiqatçılar uzun müddətdir ki, sərt karbonun atom xüsusiyyətlərinin natrium-ion daşınması ilə necə əlaqəli olduğunu anlamaqda çətinlik çəkirlər. Bu işdə komanda materialdakı hər bir atomun zamanla necə hərəkət etdiyini və qarşılıqlı təsir göstərdiyini simulyasiya etmək üçün LLNL-in yüksək performanslı hesablamalarından istifadə edib.

Rampal dedi: “Biz əslində karbonun içərisində yayılan, klasterləşən və ya ilişib qalan natrium ionlarının atom-atom filmi yaratdıq”.

Daha sonra müəlliflər bu filmlərdən atomların necə qarşılıqlı təsir göstərdiyini proqnozlaşdırmaq üçün maşın öyrənmə alqoritmini öyrətmək üçün istifadə etdilər. Bu alqoritm daha böyük, daha uzun və daha dəqiq simulyasiyaları əlverişli qiymətə işlədə bilər. Bu alqoritm, ionların sərt karbonla unikal qarşılıqlı təsirlərinə əsaslanaraq, natrium-ion hərəkətini səkkiz fərqli rejimə təsnif etmək üçün istifadə edilmişdir.

Rampal bildirib ki, “Karbon sıxlığı və natrium yükü artdıqca, ionlar nanoməsamələrdə toplanır və ya ilişib qalır ki, bu da sürət qabiliyyətinə və istilik təhlükəsizliyinə birbaşa təsir göstərir”.

Nəticə, sərt karbonu gücləndirmək üçün praktik yolları özündə birləşdirən mikrostruktur və ion daşınması arasında kəmiyyət xəritəsidir. Tədqiqatçılar inanırlar ki, bu iş natrium-ion hərəkətini təhlükəsiz şəkildə maksimum dərəcədə artırmaq və buna görə də natrium batareya texnologiyasının tətbiqi üçün konkret bir yol təqdim edir.

Sınaq və səhvdən kənar elektrolitlər

EES Batteries jurnalında dərc olunmuş ikinci məqalədə eyni fəlsəfə fərqli bir problemə tətbiq olunur: litium-ion batareyaları üçün daha yaxşı elektrolitlər. İdeal elektrolitin dizaynı kombinatorial bir problemdir, çünki həlledicilər, duzlar, aşqarlar və konsentrasiyalar üçün imkanlar çox genişdir və hərtərəfli şəkildə nəzərdən keçirilə bilməz.

Ənənəvi elektrolit modelləri molekulların 3D həndəsəsini nəzərə almayan mətn əsaslı təsvirlərə əsaslanır. Bunun əksinə olaraq, LLNL komandası molekulyar dinamika simulyasiyaları ilə molekulların real 3D konfiqurasiyaları yaratdı. Onlar bu strukturları hər bir konfiqurasiyanın statistik sabitliyini proqnozlaşdıran maşın öyrənmə modelinə daxil etdilər.

Əsas fikir budur ki, elektrokimyəvi sabitlik yalnız onun hissələrinin cəmindən deyil, molekulların tam ansamblından asılıdır.

Rampal bildirib ki, “Duz və ya həlledicinin kimliyi və konsentrasiyası mətn əsaslı kodlayıcıların görə bilmədiyi mexanizmlər vasitəsilə proqnozlaşdırılan sabitlik pəncərəsini kəskin şəkildə dəyişə bilər. Məsələn, bir litium duzunu digəri ilə əvəz etmək, tamamilə anionun litium ionu ətrafında necə yerləşməsi ilə idarə olunan 57% daha geniş sabitlik pəncərəsi yaratdı.”

Alimlər bu molekulyar dinamika və fizikaya əsaslanan maşın öyrənmə boru kəmərini sınaq və səhv elektrolit dizaynını fizikaya əsaslanan kəşfiyyatla əvəz edən yüksək məhsuldarlıqlı seçim platforması kimi təsəvvür edirlər. Eksperimental etalon məlumatların daxil edilməsi zamanla model dəqiqliyini artıracaq və əsas prinsiplər təbii olaraq digər batareya kimyalarına və elektrokimyəvi sistemlərə ötürüləcək.

Van bildirib ki, “Litium, natrium və çoxvalentli batareya kimyaları üzrə geniş dizayn sahələrini araşdıran milli laboratoriya proqramları üçün bu, kəşfi əhəmiyyətli dərəcədə sürətləndirə bilər. Bu tədqiqatlar batareyalara yönəlsə də, daha geniş çərçivə bir çox digər sistemlərə də tətbiq oluna bilər.”

Daha çox məlumat

Nikhil Rampal və digərləri, Nizamsız karbonda Na2 saxlama mexanizmlərinin fizikaya əsaslanan maşın öyrənmə tədqiqatı, Enerji Saxlama Materialları (2026). DOI: 10.1016/j.ensm.2026.104967

Srikant Sagireddy və digərləri, Elektrolit xüsusiyyətlərinin proqnozlaşdırılması üçün inteqrasiya olunmuş maşın öyrənməsi-molekulyar dinamika çərçivəsi, EES Batareyalar (2026). DOI: 10.1039/d6eb00024j

Əsas anlayışlar

Elektrokimyəvi enerji saxlamaLourens Livermor Milli Laboratoriyası tərəfindən təmin edilir 

Bu hekayənin arxasında kim dayanır?

Qeb Klark

İngilis dili üzrə magistr dərəcəsi, 2021-ci ildən bəri mətn redaktoru, ali təhsil və səhiyyə sahəsində təcrübəyə malikdir. Etibarlı elm xəbərlərinə həsr olunub. Tam profil →

Endryu Zinin

Fizika üzrə magistr dərəcəsi və tədqiqat təcrübəsi. Uzun müddət elm xəbərləri həvəskarı. Science X-in redaksiya uğurunda əsas rol oynayır. Tam profil →

Daha ətraflı araşdırın

Alimlər daha yaxşı batareya elektrolitləri dizayn etmək üçün süni intellektdən istifadə edirlər