Les batteries lithium-ion perdent leur jus avec le temps, obligeant les scientifiques et les ingénieurs à travailler dur pour comprendre ce processus en détail. Maintenant, des scientifiques du laboratoire national d'accélérateurs SLAC du ministère de l'Énergie ont combiné des algorithmes sophistiqués d'apprentissage automatique avec des données de tomographie à rayons X pour produire une image détaillée de la façon dont un composant de batterie, la cathode, se dégrade à l'usage.

La nouvelle étude, publié le 8 mai dans Communication Nature , axé sur la façon de mieux visualiser ce qui se passe dans les cathodes en nickel-manganèse-cobalt, ou NMC. Dans ces cathodes, Les particules de NMC sont maintenues ensemble par une matrice de carbone conducteur, et les chercheurs ont émis l'hypothèse que l'une des causes de la baisse des performances pourrait être la rupture de particules de cette matrice. L'objectif de l'équipe était de combiner les capacités de pointe de la source lumineuse de rayonnement synchrotron de Stanford (SSRL) du SLAC et de l'installation européenne de rayonnement synchrotron (ESRF) pour développer une image complète de la façon dont les particules NMC se séparent et se détachent de la matrice et comment cela pourrait contribuer aux pertes de performances.

Bien sûr, c'est un défi de taille pour les humains de comprendre ce qui se passe juste en regardant des images d'une cathode NMC, l'équipe s'est donc tournée vers la vision par ordinateur, un sous-domaine d'algorithmes d'apprentissage automatique conçu à l'origine pour numériser des images ou des vidéos et identifier et suivre des objets comme des chiens ou des voitures.

Même à ce moment là, il y avait des défis. Les algorithmes de vision par ordinateur se concentrent souvent sur les limites définies par des lignes claires ou sombres, ils auraient donc du mal à faire la différence entre plusieurs petites particules de NMC collées ensemble et une seule grosse mais partiellement fracturée ; à la plupart des systèmes de vision par ordinateur, ces fractures ressembleraient à des cassures nettes.

Pour résoudre ce problème, l'équipe a utilisé un type d'algorithme mis en place pour traiter des objets hiérarchiques, par exemple, un puzzle, que nous considérerions comme une entité complète même s'il est composé de nombreuses pièces individuelles. Avec la contribution et les jugements des chercheurs eux-mêmes, ils ont entraîné cet algorithme pour distinguer différents types de particules et ainsi développer une image tridimensionnelle de la façon dont les particules NMC, qu'elles soient grandes ou petites, fracturé ou non, se détacher de la cathode.

Ils ont découvert que les particules se détachant de la matrice de carbone contribuent vraiment de manière significative au déclin d'une batterie, au moins dans des conditions que l'on verrait généralement dans l'électronique grand public, tels que les téléphones intelligents.

Seconde, tandis que les grosses particules de NMC sont plus susceptibles d'être endommagées et de se détacher, quelques petites particules se détachent, trop, et globalement, il y a plus de variation dans la façon dont les petites particules se comportent, dit Yijin Liu, un scientifique du SLAC et un auteur principal du nouveau document. C'est important parce que les chercheurs avaient généralement supposé qu'en réduisant les particules de batterie, ils pourraient fabriquer des batteries plus durables - ce que suggère la nouvelle étude n'est peut-être pas si simple, dit Liu.