Nieuw model voorspelt levensduur van lithium-metaalbatterijen met hoge energiedichtheid dankzij machine-learning

AmsterdamNIMS en SoftBank Corp. hebben een nieuw model ontwikkeld dat met geavanceerde machine learning kan voorspellen hoe lang hoog-energetische lithium-metaalbatterijen meegaan. Door veel data te analyseren over hoe deze batterijen opladen, ontladen en rusten, biedt het model nauwkeurige schattingen van de levensduur van batterijen zonder de slijtageprocessen te hoeven begrijpen. Deze innovatie kan apparaten die lithium-metaalbatterijen gebruiken veiliger en betrouwbaarder maken. Deze batterijen kunnen meer energie opslaan dan de huidige lithium-ion batterijen, wat veel technologieën zou kunnen verbeteren, waaronder:

• Drones
• Elektrische voertuigen
• Huishoudelijke opslagsystemen voor elektriciteit

Het NIMS-SoftBank Centrum voor Geavanceerde Technologieën is opgericht in 2018. Sindsdien focust het zich op de ontwikkeling van krachtige oplaadbare batterijen voor gebruik in mobiele telefoonmasten, IoT-apparaten en hoogvliegende platforms. Een van de grootste successen is een lithium-metaalbatterij met een energiedichtheid van meer dan 300 Wh/kg, die meer dan 200 laad/ontlaadcycli meegaat.

Het voorspellen van de levensduur van lithium-metaalbatterijen is een grote uitdaging. Deze batterijen verouderen op complexere manieren dan lithium-ionbatterijen, en we begrijpen nog niet volledig waarom. Deze ingewikkeldheid maakt het lastig om hun prestaties te voorspellen. Om dit probleem aan te pakken, hebben wetenschappers verschillende hoogenergetische lithium-metaalbatterijen gemaakt met lithium-metalen anodes en nikkelrijke kathodes.

Het team paste geavanceerde machine learning toe op laad- en ontlaadgegevens om een model te ontwikkelen dat voorspelt hoe lang deze batterijen meegaan. Dit model is bijzonder omdat het voorspellingen doet op basis van alleen de beschikbare gegevens, zonder voorafgaande aannames over de degradatie van batterijen te gebruiken.

Lees ook:

Vandaag · 00:54

Probiotica bieden bescherming tegen schadelijke brandvertragende stoffen en bevorderen hersenontwikkeling en metabolisme

Dit model heeft tal van belangrijke voordelen. Het kan lithium-metallische batterijen betrouwbaarder en veiliger maken. Daarnaast versnelt het de ontwikkeling van nieuwe lithium-metaalanodematerialen. Voor bedrijven die deze batterijen produceren, betekent een nauwkeurige voorspelling van de levensduur dat ze hun producten effectiever kunnen verbeteren tijdens onderzoek en ontwikkeling. Dit kan zowel tijd als geld besparen.

Door de verbeterde veiligheid en betrouwbaarheid als gevolg van deze voorspellingen zal het vertrouwen van investeerders waarschijnlijk toenemen. Dit kan resulteren in meer financiering en snellere acceptatie van lithium-metaalbatterijen in consumententechnologie en industriële toepassingen. Een beter begrip van de degradatiemechanismen via deze datagedreven aanpak kan uiteindelijk leiden tot langdurigere en beter presterende batterijen.

Het inzetten van machine learning voor het ontwikkelen van voorspellende modellen kan essentieel zijn voor het verbeteren van de prestaties van lithium-metaalbatterijen. Deze vooruitgang kan leiden tot betere energieopslagoplossingen die ten goede komen aan verschillende sectoren, zoals de auto-industrie en hernieuwbare energiesystemen.