Los investigadores del Laboratorio Nacional de Energía Renovable (NREL) de Estados Unidos llevan años tratando de realizar mediciones precisas y exactas de lo que ocurre en el interior de una batería de iones de litio. Una tarea crucial para comprenderlas y optimizarlas ya que en el análisis de datos solo se puede controlar lo que se puede medir. Si bien hasta ahora se habían empleado para este fin métodos de microscopia, una nueva investigación ha logrado generar artificialmente la arquitectura de una partícula de electrodo de iones de litio lo que permitirá a los investigadores manipular el modelo y mejorar el diseño de la batería para lograr cargas extremadamente rápidas sin degradación acelerada.
Las baterías de iones de litio se emplean actualmente en múltiples dispositivos. Desde su tamaño más pequeño, en los dispositivos móviles que todos llevamos encima, hasta las de grandes dimensiones como las que se implementan en vehículos eléctricos o en sistemas de almacenamiento estacionario de energía. Precisamente, para satisfacer las necesidades cambiantes de energía, los investigadores se centran en mejorar su rendimiento, su seguridad y la densidad de energía que son capaces de acumular.
Un estudio reciente realizado por el NREL (Laboratorio Nacional de Energía Renovable de EE.UU) y la Universidad de Ulm y publicado por npj Computational Materials, avanza una nueva manera de medir y analizar los materiales de la batería. El equipo de investigadores generó artificialmente la arquitectura representativa de una partícula de electrodo de iones de litio hasta el detalle subpartícula. Este electrodo artificial, el primero en su tipo, permitirá a los investigadores manipular el modelo para evaluar oportunidades de mejorar en diseño de las baterías.
Según el investigador del NREL Donal Finegan, que lidera el proyecto, la morfología y la orientación de los granos dentro de la celda pueden afectar en gran medida el rendimiento y la vida útil del electrodo. “Con este modelo, podemos evaluar las condiciones físicas que conducen a baterías mejoradas”.
Uno de los mayores desafíos cuando se investigan las baterías de iones de litio está en la escala microscópica del trabajo. Los pequeños detalles suelen tener un gran impacto en el rendimiento de la batería. Ninguna técnica existente permite a los investigadores medir la información de las subpartículas de una manera integral para que permita comprender el comportamiento de las baterías de iones de litio.
Durante años, los investigadores de NREL han superado los límites de las capacidades que ofrecen las imágenes especializadas mejorando su comprensión de las estructuras a nivel de los electrodos, pero estas herramientas hasta ahora no han podido ofrecer una imagen completa de los detalles de las subpartículas. Así lo explica el propio Finegan: “las herramientas que miden la morfología de partículas pasan por alto información vital sobre las propiedades químicas o la estructura cristalina debido a limitaciones sistemáticas. No hay forma de obtener toda la información que necesitamos en un solo lugar”.
Donal Finegan, investigador del NREL, utiliza tomografía computarizada de rayos X para diagnosticar el funcionamiento de las baterías de iones de litio. Foto de Dennis Schroeder, NREL.
Para abordar este problema, en la nueva investigación se utilizó un enfoque de imágenes multimodal y multiescala para generar el modelo de electrodo de iones de litio artificial, que finalmente fusionó dos de las capacidades avanzadas existentes de NREL. Se utilizó nano tomografía computarizada de rayos X para capturar la morfología de la forma exterior de la partícula. Para observar la distribución de grano interna, se empleó difracción por retrodispersión de electrones por haz de iones enfocados (FIB-EBSD) que captura la información de la subpartículas en alta resolución.
Esta no es la primera vez que NREL combina técnicas de microscopía para observar de cerca el comportamiento de las baterías. A menudo ha empleado las capacidades de diagnóstico de los rayos X de última generación para examinar la composición de los materiales. Sin embargo, esta investigación anterior se centró en resultados de imágenes, mientras que el nuevo proyecto utilizó una caracterización complicada para fusionar el flujo de datos que ofrece cada una de las herramientas empleadas. “Para generar el modelo, el equipo caracterizó la información de cada fuente de datos y tuvo que traducirla a un formato completamente nuevo”.
Resultados esperanzadores
El análisis inicial realizado con este modelo artificial ya ha proporcionado una mayor comprensión de las condiciones físicas que afectan a la forma en que el litio viaja a través entre los electrodo a través del electrolito. Los detalles de las subpartículas del modelo ayudarán a analizar el viaje de un ion y permitirán el desarrollo de baterías capaces de soportar condiciones de carga extremadamente rápidas sin provocar una degradación acelerada.
Este proyecto es solo el comienzo del modelo artificial que NREL pretende generar. En futuras investigaciones se aplicarán técnicas de aprendizaje automático para adquirir y traducir datos más rápidamente, lo que conducirá a modelos de mayor calidad que proporcionarán los conocimientos necesarios para mejorar las baterías en el futuro.
