Em um salto para a pesquisa de bateria, o Machine Learning ganha inteligência científica

Os pesquisadores incorporaram uma visão científica ao aprendizado de máquina para a pesquisa de baterias – uma abordagem que irá acelerar o desenvolvimento de baterias para veículos elétricos, rede elétrica e outros usos. Crédito: Greg Stewart / SLAC National Accelerator Laboratory

Os cientistas deram um grande passo à frente no aproveitamento do aprendizado de máquina para acelerar o projeto de baterias melhores: em vez de usá-lo apenas para acelerar a análise científica procurando por padrões nos dados, como os pesquisadores geralmente fazem, eles os combinaram com o conhecimento obtido em experimentos e equações guiadas pela física para descobrir e explicar um processo que encurta a vida útil das baterias de íon-lítio de carregamento rápido.

Foi a primeira vez que essa abordagem, conhecida como “aprendizado de máquina científico”, foi aplicada ao ciclo de bateria, disse Will Chueh, professor associado da Universidade de Stanford e pesquisador do Laboratório Nacional de Aceleração SLAC do Departamento de Energia que conduziu o estudo. Ele disse que os resultados derrubam suposições antigas sobre como as baterias de íon-lítio carregam e descarregam e dão aos pesquisadores um novo conjunto de regras para a engenharia de baterias de longa duração.

A pesquisa, relatada hoje na Nature Materials, é o resultado mais recente de uma colaboração entre Stanford, SLAC, o Massachusetts Institute of Technology e o Toyota Research Institute (TRI). O objetivo é reunir pesquisa fundamental e know-how da indústria para desenvolver uma bateria de veículo elétrico de longa duração que possa ser carregada em 10 minutos.

“A tecnologia da bateria é importante para qualquer tipo de trem de força elétrico”, disse Patrick Herring, pesquisador sênior do Toyota Research Institute. “Ao compreender as reações fundamentais que ocorrem dentro da bateria, podemos estender sua vida útil, permitir um carregamento mais rápido e, por fim, projetar materiais de bateria melhores. Esperamos desenvolver esse trabalho por meio de experimentos futuros para obter baterias de baixo custo e melhor desempenho.”

Um trio de avanços

O novo estudo se baseia em dois avanços anteriores em que o grupo usou formas mais convencionais de aprendizado de máquina para acelerar drasticamente os testes de bateria e o processo de seleção de muitos métodos de carregamento possíveis para encontrar aqueles que funcionam melhor. Embora esses estudos tenham permitido aos pesquisadores fazer um progresso muito mais rápido – reduzindo o tempo necessário para determinar a vida útil da bateria em 98%, por exemplo – eles não revelaram a física ou química subjacente que fez algumas baterias durarem mais do que outras, como o último estudo fez .

Combinar as três abordagens poderia reduzir o tempo necessário para trazer uma nova tecnologia de bateria da bancada do laboratório para o consumidor em até dois terços, disse Chueh.

O pesquisador do SLAC e Stanford, Will Chueh, fala sobre uma nova maneira de incorporar o conhecimento científico ao aprendizado de máquina para a pesquisa de baterias – uma abordagem que irá acelerar o desenvolvimento de baterias para veículos elétricos, rede elétrica e outros usos. Crédito: Olivier Bonin / SLAC National Accelerator Laboratory

“Neste caso, estamos ensinando a máquina a aprender a física de um novo tipo de mecanismo de falha que pode nos ajudar a projetar baterias de carregamento rápido melhores e mais seguras”, disse Chueh. “O carregamento rápido é incrivelmente estressante e prejudicial para as baterias, e resolver esse problema é a chave para expandir a frota de veículos elétricos do país como parte da estratégia geral de combate às mudanças climáticas.”

A nova abordagem combinada também pode ser aplicada ao desenvolvimento de sistemas de bateria em escala de rede necessários para uma maior implantação de eletricidade eólica e solar, que se tornará ainda mais urgente à medida que a nação busca metas recentemente anunciadas da Administração Biden de eliminar os combustíveis fósseis da geração de energia elétrica até 2035 e alcançar emissões líquidas de carbono zero até 2050.

Aumentar o zoom para close-ups

O novo estudo deu um zoom nos eletrodos da bateria, que são feitos de grãos de tamanho nanométrico aglomerados em partículas. Os íons de lítio se espalham para frente e para trás entre o cátodo e o ânodo durante o carregamento e a descarga, infiltrando-se nas partículas e fluindo de volta para fora. Esse vaivém constante faz as partículas incharem, encolherem e racharem, diminuindo gradativamente sua capacidade de armazenar carga, e o carregamento rápido só piora as coisas.

Para examinar esse processo com mais detalhes, a equipe observou o comportamento das partículas catódicas feitas de níquel, manganês e cobalto, uma combinação conhecida como NMC que é um dos materiais mais usados em baterias de veículos elétricos. Essas partículas absorvem íons de lítio quando a bateria descarrega e os liberam quando ela é carregada.

Os pesquisadores de pós-doutorado de Stanford Stephen Dongmin Kang e Jungjin Park usaram raios-X do Stanford Synchrotron Radiation Lightsource do SLAC para obter uma visão geral das partículas que estavam sendo carregadas rapidamente. Em seguida, eles levaram as partículas para a fonte de luz avançada do Lawrence Berkeley National Laboratory para serem examinadas com microscopia de varredura de transmissão de raios-X, que se dirige a partículas individuais.

Os dados desses experimentos, junto com informações de modelos matemáticos de carregamento rápido e equações que descrevem a química e a física do processo, foram incorporados a algoritmos científicos de aprendizado de máquina.

“Em vez de fazer com que o computador descubra diretamente o modelo simplesmente alimentando-o com dados, como fizemos nos dois estudos anteriores, ensinamos ao computador como escolher ou aprender as equações certas e, portanto, a física certa”, disse Kang, que realizou a modelagem com o aluno de pós-graduação do MIT Hongbo Zhao, trabalhando com o professor de engenharia química Martin Bazant.

Uma animação mostra duas visões contrastantes de como as partículas do eletrodo liberam seus íons de lítio armazenados durante o carregamento da bateria. As partículas vermelhas estão cheias de lítio e as verdes estão vazias. Os cientistas pensaram que os íons fluíram de todas as partículas de uma vez e com aproximadamente a mesma velocidade (esquerda). Mas um novo estudo realizado pelos pesquisadores do SLAC e de Stanford mostra um quadro diferente (direita): algumas partículas liberam muitos íons imediatamente e rapidamente, enquanto outras liberam íons lentamente ou não liberam. Esse padrão irregular sobrecarrega a bateria e reduz sua vida útil. Crédito: Hongbo Zhao / MIT

O efeito de enriquecimento

Até agora, os cientistas presumiram que as diferenças entre as partículas eram insignificantes e que sua capacidade de armazenar e liberar íons era limitada pela rapidez com que o lítio se movia dentro das partículas, disse Kang. Nessa maneira de ver as coisas, os íons de lítio fluem para dentro e para fora de todas as partículas ao mesmo tempo e aproximadamente na mesma velocidade.

Mas a nova abordagem revelou que as próprias partículas controlam a velocidade com que os íons de lítio saem das partículas catódicas quando uma bateria é carregada, disse ele. Algumas partículas liberam imediatamente muitos de seus íons, enquanto outras liberam muito poucos ou nenhum. E as partículas de liberação rápida continuam liberando íons em uma taxa mais rápida do que suas vizinhas – um feedback positivo, ou “os ricos ficam mais ricos”, efeito que não havia sido identificado antes.

“Agora temos uma imagem – literalmente um filme – de como o lítio se move dentro da bateria, e é muito diferente do que os cientistas e engenheiros pensavam que era”, disse Kang. “Este carregamento e descarregamento desiguais colocam mais estresse sobre os eletrodos e diminui sua vida útil. Entender esse processo em um nível fundamental é um passo importante para resolver o problema de carregamento rápido.”

Os cientistas dizem que seu novo método tem potencial para melhorar o custo, a capacidade de armazenamento, a durabilidade e outras propriedades importantes das baterias para uma ampla gama de aplicações, de veículos elétricos a laptops e armazenamento em larga escala de energia renovável na rede.

“Foi há apenas dois anos que o Prêmio Nobel de Química de 2019 foi concedido pelo desenvolvimento de baterias recarregáveis de íons de lítio, que remontam à década de 1970”, disse Chueh. “Por isso, estou animado com o fato de ainda haver muito a aprender sobre como fazer baterias melhores.”


Publicado em 09/03/2021 10h16

Artigo original:

Estudo original: