В Корее смогли оптимизировать процесс сухого производства электродов с помощью ИИ-моделирования

Корреспондент Пак Чжон Гю

[Предоставлено Университетом Аджу]

Корейские исследователи решили ключевую проблему в процессе сухого производства электродов — ключевой технологии производства экологичных аккумуляторов нового поколения — с помощью искусственного интеллекта (ИИ) и компьютерного моделирования, разработав технологию проектирования оптимального процесса. Ожидается, что это ускорит коммерциализацию высокоэффективных аккумуляторов нового поколения, необходимых для электромобилей и устройств хранения энергии.

21 января Университет Аджу сообщил, что исследовательская команда во главе с профессором Чо Сон Бомом из факультета инженерии передовых новых материалов Университета Аджу в сотрудничестве с группой под руководством профессора Чхве Чжон Хёна из факультета химической и биологической инженерии Университета Гачон смогла установить механизм фиберизации (волокнообразования) связующих веществ в процессе производства сухого электрода. Это было достигнуто путем интеграции многомасштабного моделирования на основе численного анализа с искусственным интеллектом (ИИ), что позволило вывести оптимальные условия процесса.

Результаты данного исследования опубликованы в декабрьском номере международного журнала по материаловедению «Communications Materials», в статье под названием «Многомасштабные понимания позволяют рационально проектировать процесс сухой обработки электрода без использования растворителей для производства передовых электродов для аккумуляторов (Multiscale Insights Enable Rational Design of Solvent-Free Dry Electrode Processing for Advanced Battery Electrode Fabrication)». В качестве первых авторов в статье участвовали Кан Чжун Хёк, магистрант факультета энергетических систем Университета Аджу, и Чон У Чжин, участник единого трека обучения «магистратура-аспирантура» факультета энергетической инженерии Университета Ханян.

Процесс изготовления электродов - первый этап производства аккумуляторов - включает в себя изготовление катода и анода. Это ключевой этап в процессе производства аккумуляторов, и в настоящее время большинство производителей используют «мокрый» процесс изготовления электродов. Однако как промышленность, так и научные круги активно занимаются исследованиями в области «сухого» процесса изготовления электрода (DEP) как альтернативы следующего поколения, которая сможет его заменить.

Сухой процесс устраняет необходимость в использовании опасных растворителей, применяемых в традиционном мокром процессе, а также позволяет исключить последующий этап сушки. Это обеспечивает значительную экономию инвестиций в оборудование, эксплуатационных расходов и времени.

Кроме того, он предлагает преимущества в плане производительности. Для увеличения энергетической плотности батареи требуются более толстые электроды, что легче достичь с помощью сухого процесса, чем с помощью мокрого.

В связи с этим совместная исследовательская группа Университета Аджу приступила к изучению механизма фиберизации (волокнообразования) связующих веществ в сухом процессе — которая до сих остается нерешенной задачей — с целью коммерциализации этого процесса, что позволит повысить как производительность, так и экологическую устойчивость производства батарей.

В сухом процессе электроды формируются путем смешивания твердого порошка и связующего вещества PTFE (политетрафторэтилен) без растворителей. Процесс фиберизации - при котором PTFE растягивается как паутина, чтобы удерживать частицы - определяет качество электрода. Однако до сих пор не ясно, как происходит фиберизация PTFE на микроскопическом уровне между силой сдвига технологического оборудования и частицами внутри, что требовало использования эмпирического подхода, включающего многочисленные пробы и ошибки.

Для решения этой проблемы исследовательская группа интегрировала многомасштабные симуляции методом конечных элементов (FEM), охватывающие поведение частиц (микромасштаб) и технологического оборудования (макромасштаб), с технологиями искусственного интеллекта (ИИ). В частности, команда использовала искусственный интеллект (ИИ) для изучения сотен комбинаций размеров частиц и условий процесса в виртуальном экспериментальном пространстве (FEM).

ИИ, обученный на ограниченных данных моделирования, был разработан для высокоточного прогнозирования остающихся неизвестных условий и вероятностного отслеживания оптимального решения, которое максимизирует производительность. Это позволило команде проанализировать огромное количество случаев за короткое время — процесс, который занял бы годы ручных экспериментов — и вывести оптимальные условия процесса для каждого размера частиц.

Исследовательская группа провела количественный анализ того, как величина и распределение напряжения, передаваемого на PTFE, меняются в зависимости от размера частиц. Используя ИИ для проектирования условий процесса, обеспечивающих оптимальную передачу напряжения для каждого размера частиц, они представили рациональную методологию проектирования, которая сокращает количество эмпирических проб и ошибок.

Результаты показали, что бимодальная комбинация частиц размером 10 мкм и 5 мкм, а не частицы одного и того же размера, наиболее эффективно заполняет пустоты между частицами, что приводит к наиболее полной фиберизации связующего вещества PTFE. Кроме того, были определены конкретные условия оборудования и процесса для оптимальной передачи напряжения частицам данного размера.

Применив эти аналитические выводы к реальным катодным материалам из литий-железо-фосфата, совместная исследовательской команде удалось изготовить сухой электрод с высокой емкостью 10 мАч/см² и толщиной 280 мкм без растрескивания, превзойдя ограничения традиционных «влажных» электродов. Этот электрод сохранял высокую эффективность, превышающую 99%, даже после более 50 циклов заряда-разряда, демонстрируя как механическую стабильность, так и электрохимические характеристики.

Рис. 1 | Многомасштабная структура обратного проектирования для оптимизации фиберизации PTFE при сухом обработке электродов.

a) Схематическая иллюстрация «сухого» процесса изготовления электродов и влияния фиберизации PTFE на электрод. b) Этапы вычисления для эффективной фиберизации PTFE.

Рис. 2 | Моделирование деформации PTFE.

a) Схема граничных условий и начального состояния в моделировании. b) Кривая «напряжение-деформация» PTFE, показывающая развитие фиберизации и переход к пленочной деформации.

Рис. 3 | Сопоставление реакции на напряжение, полученной с помощью метода конечных элементов, с экспериментальной проверкой эффектов одномодального размера частиц.

a) Частотное распределение одномодальных частиц SiO2 с номинальным диаметром 0,1, 1,5, 10 и 20 мкм, измеренное с помощью лазерного рассеивающего анализатора PSD. b) Кривые «напряжение-деформация» для частиц SiO2 разного размера. Синяя область обозначает целевую область фиберизации, серая область - область разрушения, приводящую к пленочной деформации. Кружки и квадраты на кривой обозначают предел текучести и начало фиберизации соответственно. c) Результаты испытаний на когезионную прочность. d–g) Изображения SEM образцов, содержащих частицы SiO2 размером (d) 20, (e) 10, (f) 1,5 и (g) 0,1 мкм. h) Результаты измерения пористости по методу проникновения ртути для сухих электродов, изготовленных с использованием одномодальных частиц SiO2 различного среднего размера. Надежное измерение пористости сухого электрода, изготовленного с использованием частиц SiO2 размером 0,1 мкм, было невозможно из-за его хрупкости. i–k) Схематическая иллюстрация влияния размера частиц на деформацию PTFE. (i) Пленочная деформация. (j) Фиберизация. (k) Недостаточная фиберизация.

Рис. 4 | Сопоставление реакции на напряжение, полученной с помощью метода конечных элементов, с экспериментальной проверкой эффектов бимодального размера частиц.

a) Частотное распределение бимодальных систем SiO2 с комбинациями размеров частиц 10+1,5 мкм и 10+5 мкм, измеренное с помощью лазерного рассеивающего анализатора PSD. b) Кривые «напряжение-деформация» для различных комбинаций размеров частиц SiO2. Синяя область обозначает целевую область фиберизации, серая область - область разрушения, приводящую к пленочной деформации. Кружки и квадраты на кривой «напряжение-деформация» обозначают предел текучести и начало фиберизации соответственно. c) Результаты испытания на когезионную прочность. d–f) Изображения SEM образцов, содержащих бимодальные частицы SiO2 с комбинациями размеров (d) 10+10 мкм, (e) 10+ 5 мкм и (f) 10+1,5 мкм. g) Результаты измерения пористости по методу проникновения ртути для сухих пленок, приготовленных с использованием бимодальных частиц SiO2 с различными средними размерами. h–j) Схема взаимодействия частиц и связующего вещества в бимодальных системах. (h) Унимодальная система. (i) Усиленная фиберизация (бимодальная система с подходящей комбинацией размеров частиц). (j) Недостаточная фиберизация (бимодальная система с неподходящей комбинацией размеров частиц).

Рис. 5 | Оптимизация и обратный дизайн размера частиц и условий PLP (давление, оказываемое на частицы) для эффективной фиберизации PTFE.

a) Результаты байесовской оптимизации для одномодальной системы при фиксированном PLP 13 МПа. b) Результаты байесовской оптимизации для одномодальной системы при фиксированном размере частиц 10 мкм. c) Контурный график результатов байесовской оптимизации для одномодальной системы, показывающий взаимосвязь между PLP и размером частиц. Черные контурные линии представляют конечную деформацию, а цветовая карта - конечный Plm (напряжение Пиола-Кирхгофа). d) Результаты байесовской оптимизации для бимодальной системы при фиксированном PLP 13 МПа. e) Результаты байесовской оптимизации для бимодальной системы при фиксированной комбинации размеров частиц 10+5 мкм. f) Контурный график результатов байесовской оптимизации для бимодальной системы, показывающий оптимальные диапазоны PLP–размер частиц. Черные контурные линии представляют конечную деформацию, а цветовая карта - конечную Plm. g) FEM-модель месильного устройства, показывающая распределение сдвигового напряжения. h) FEM-модель экструдера, показывающая профиль сдвигового напряжения вдоль пути экструзии.

Рис. 6 | Структурная и электрохимическая характеристика оптимизированных бимодальных катодов LFP, обработанных сухим способом.

a) Изображения SEM активного материала LFP с размером частиц 5 мкм и 10 мкм соответственно. b) Волокнистая сеть PTFE, сформированная в оптимизированных условиях сухой обработки. c) Изображения SEM поперечного сечения электродов с площадной емкостью 7 мАч/см2. d) Изображения SEM поперечного сечения электродов с площадной емкостью 10 мАч/см2. e) Сопротивление переноса заряда (Rct) катодов с площадной емкостью 7 и 10 мАч/см2. f) Профили напряжения первого цикла. g) Циклическая производительность за 50 циклов для катодов с площадной емкостью 7 и 10 мАч/см2.

«Производство батарей с высокой плотностью энергии имеет важное значение для увеличения дальности пробега электромобилей. Данное достижение является значимым, поскольку представляет собой методологию реинжиниринга материалов и процессов с использованием искусственного интеллекта и моделирования, преодолевая ограничения существующих «сухих» процессов производства батарей, которые основывались на опыте» - сказал профессор Чо Сон Бом из Университета Аджу.

«Эта технология может способствовать ускорению коммерциализации сухих процессов производства электродов нового поколения, что значительно повысит производительность и эффективность процесса» - добавил он.

Данное исследование проведено при поддержке Национального проекта НИОКР, продвигаемого Министерством науки и ИКТ и Национальным исследовательским фондом Кореи.

fob140@heraldcorp.com

#южнаякорея #корея #политика #экономика #промышленность #технология #материаловедение #аккумуляторы #электроды #медицина #бизнес #финансы #энергетика #общество #культура #искусство #азия