Novo modelo prevê vida útil de baterias de lítio-metal de alta densidade energética

São PauloNIMS e SoftBank Corp. desenvolveram um novo modelo que pode prever a duração das baterias de lítio-metal de alta energia utilizando aprendizado de máquina avançado. Ao analisar uma grande quantidade de dados sobre como essas baterias carregam, descarregam e relaxam, o modelo fornece estimativas precisas da vida útil da bateria sem precisar compreender os mecanismos de desgaste. Essa inovação pode tornar dispositivos que usam baterias de lítio-metal mais seguros e confiáveis. Essas baterias têm o potencial de armazenar mais energia do que as baterias de íon-lítio atuais, o que pode melhorar diversas tecnologias, incluindo:

• Drones
• Veículos elétricos
• Sistemas de armazenamento doméstico de eletricidade

O Centro de Desenvolvimento de Tecnologias Avançadas NIMS-SoftBank foi fundado em 2018. Desde então, tem se dedicado a criar baterias recarregáveis de alta energia para estações base de telefonia móvel, dispositivos de IoT e plataformas de alta altitude. Um grande êxito é uma bateria de lítio-metal com densidade de energia superior a 300 Wh/kg, que dura mais de 200 ciclos de carga/descarga.

Criar modelos precisos para prever a vida útil das baterias de lítio-metal tem sido um desafio. Essas baterias envelhecem de maneiras mais complexas do que as de íon-lítio, e ainda não compreendemos completamente o porquê. Essa complexidade torna difícil prever seu desempenho. Para enfrentar esse problema, os cientistas fabricaram muitas baterias de lítio-metal de alta energia com ânodos de lítio-metal e cátodos ricos em níquel.

A equipe utilizou aprendizado de máquina avançado em dados de carga e descarga para criar um modelo que prevê a duração das baterias. Este modelo é exclusivo porque faz previsões apenas com base nos dados que analisa, sem usar quaisquer suposições prévias sobre a degradação das baterias.

Leia também:

Ontem · 19:54

Probióticos podem proteger contra toxinas retardantes de chamas e melhorar a saúde cerebral e metabólica.

Este modelo tem muitos efeitos importantes. Ele pode tornar as baterias de lítio-metal mais confiáveis e seguras. Além disso, auxilia na criação mais rápida de novos materiais de ânodo de lítio-metal. Para as empresas que produzem essas baterias, a capacidade de prever a vida útil com precisão permite melhorar os produtos de maneira mais eficiente durante a pesquisa e desenvolvimento. Isso pode economizar tanto dinheiro quanto tempo.

A segurança e a confiabilidade aprimoradas dessas previsões provavelmente aumentarão a confiança dos investidores. Isso pode resultar em mais financiamento e uma adoção mais rápida das baterias de lítio-metal na tecnologia de consumo e industrial. Compreender melhor os mecanismos de degradação por meio dessa abordagem orientada por dados pode eventualmente levar à fabricação de baterias de maior duração e desempenho superior no futuro.

A utilização de aprendizado de máquina para desenvolver modelos preditivos pode ser essencial para melhorar o desempenho das baterias de lítio-metal. Esse progresso tem o potencial de aprimorar soluções de armazenamento de energia que beneficiam diversos setores, como a indústria automotiva e os sistemas de energia renovável.