Un groupe de chercheurs issus de divers centres de recherche, dont le Laboratoire Acelerador Nacional SLAC du Département de l’Énergie des États-Unis, l’Université de Stanford, l’Institut de Recherche Toyota et le MIT, ont utilisé la vision par ordinateur, une forme d’apprentissage automatique, pour mieux comprendre le fonctionnement des batteries lithium-ion rechargeables.

Les scientifiques ont minutieusement examiné des films de rayons X des électrodes des batteries à l’échelle nanométrique et ont découvert des détails physiques et chimiques auparavant cachés. Cette avancée a le potentiel d’améliorer l’efficacité des batteries lithium-ion et également d’avoir des applications plus larges dans la compréhension des systèmes complexes, tels que la division cellulaire dans les embryons.

L’étude s’est concentrée sur des particules de phosphate de fer-lithium (LFP), qui se trouvent couramment dans les électrodes positives des batteries lithium-ion. Ces particules sont revêtues d’une mince couche de carbone pour améliorer la conductivité électrique.

Pour observer les processus internes des batteries, l’équipe de recherche a créé des cellules de batterie transparentes avec deux électrodes entourées d’une solution électrolytique contenant des ions lithium en mouvement libre. Grâce à cette configuration, ils ont pu suivre le mouvement des ions lithium pendant les cycles de charge et décharge. Ce processus, connu sous le nom d’intercalation, implique que les ions entrent et sortent des particules LFP.

Le phosphate de fer-lithium (LFP) est très significatif dans l’industrie des batteries en raison de son faible coût, de son historique de sécurité et de son utilisation d’éléments abondants, ce qui le rend particulièrement pertinent sur le marché des véhicules électriques.

Cette étude a été menée en collaboration entre des chercheurs qui a débuté il y a huit ans, lorsque le professeur Martin Bazant du MIT et William Chueh de Stanford ont combiné leur expertise en modélisation mathématique et en microscopie avancée par rayons X pour étudier des particules de batterie. Ils ont ensuite incorporé des outils d’apprentissage automatique pour accélérer les tests de batterie et identifier des méthodes de charge optimales. L’étude actuelle va encore plus loin en exploitant la vision par ordinateur pour analyser des films de rayons X à l’échelle nanométrique datant de 2016, ce qui permet une compréhension plus complète des réactions d’insertion du lithium à l’intérieur des particules LFP.

En pixelisant les images de rayons X, les chercheurs peuvent capturer la concentration d’ions lithium à chaque point à l’intérieur de la particule. Cela leur permet de créer des films illustrant le flux d’ions lithium à l’intérieur et à l’extérieur des particules pendant la charge et la décharge.

En analysant les images de rayons X, les chercheurs ont découvert que le mouvement des ions lithium à l’intérieur du matériau était étroitement aligné avec les simulations par ordinateur développées précédemment par Bazant. Ils ont utilisé 180 000 pixels comme mesures pour former un modèle computationnel décrivant avec précision la thermodynamique hors équilibre et la cinétique de réaction du matériau de la batterie.

De plus, l’étude a révélé que les variations dans l’absorption d’ions lithium à la surface de la particule sont corrélées à l’épaisseur du revêtement en carbone. Cette découverte suggère que l’optimisation de l’épaisseur de la couche de carbone pourrait améliorer l’efficacité de la batterie, ce qui représente une avancée importante dans la conception des batteries.

Les résultats de cette étude offrent des perspectives pour l’optimisation des électrodes de phosphate de fer-lithium et démontrent le potentiel de l’apprentissage automatique et des techniques avancées d’imagerie pour démystifier les matériaux et les systèmes. Cette avancée ouvre la voie non seulement à des améliorations de la technologie des batteries, mais également à l’étude de la formation de motifs dans d’autres systèmes chimiques et biologiques.

Sources :
– Communiqué de presse du MIT
– Communiqué de presse de l’Université de Stanford
– Revue « Nature »