Jeszcze kilka lat temu w świecie akumulatorów o stałym elektrolicie panowało poczucie, że największy problem nie leży wyłącznie w chemii, tylko w czasie. W teorii wiemy, czego szukamy: stałego elektrolitu, przez który jony przechodzą szybko, stabilnie i bez kaprysów, a do tego takiego, który da się produkować na dużą skalę. W praktyce większość kandydatów odpada dopiero po długich miesiącach syntez, pomiarów i iteracji, czyli dokładnie tam, gdzie innowacje zwykle grzęzną. Oto jednak teraz zespół związany m.in. z Technische Universitat Munchen i EPFL proponuje, by szukać szybkiego transportu jonów tam, gdzie większość osób nawet nie patrzy – w niskich częstotliwościach widma Ramana, w obszarze kojarzonym raczej z tłem niż z przełomem.
Dlaczego akumulator ze stałym elektrolitem od lat jest “prawie gotowy”?
Akumulatory tego typu kuszą prostą logiką: stały elektrolit zamiast ciekłego ma poprawić bezpieczeństwo i dać pole do wyższej gęstości energii, a przynajmniej ograniczyć część kompromisów znanych z klasycznych akumulatorów litowo-jonowych. Problem polega na tym, że “stały” nie znaczy automatycznie “szybki”. W akumulatorze liczy się tempo przemieszczania jonów między elektrodami, a to tempo w ogromnym stopniu zależy od elektrolitu. Jeśli jony idą jak przez beton, żadne inne zalety nie uratują projektu.
Czytaj też: Słońce dziś, a wodór za kilka dni. Niemcy zaskoczyli świat swoim wynalazkiem
Dlatego przez lata dominowały dwie drogi selekcji materiałów. Pierwsza jest brutalnie praktyczna: robimy materiał, prasujemy, spiekamy, mierzymy przewodność, sprawdzamy stabilność, obserwujemy degradację. Druga jest obliczeniowa: symulujemy strukturę i dynamikę jonów, próbując z góry odsiać złe pomysły. Kłopot w tym, że szybka przewodność jonowa często pojawia się w warunkach, w których struktura jest dynamicznie “rozchwiana” termicznie i lokalnie nieuporządkowana. Są to z kolei warunki, w których klasyczne, dokładne metody pierwszych zasad robią się kosztowne do poziomu, który zabija marzenie o masowym screeningu.
“Płynny” ruch jonów w ciele stałym
W literaturze o elektrolitach stałych regularnie pojawia się pojęcie superjonowości. Oznacza to, że choć materiał jest kryształem, to część jonów (np. Na+) porusza się tak swobodnie, jakby była w cieczy. Jest to oczywiście uproszczenie, ale najważniejsza w tej kwestii jest wiedza, że transport nie polega wtedy wyłącznie na rzadkich “skokach” między ustalonymi pozycjami w sieci, tylko na ruchu bardziej dyfuzyjnym, zsynchronizowanym z uginaniem się i relaksacją otoczenia. Tutaj właśnie wchodzi spektroskopia Ramana.
Ta spektroskopia mierzy, jak materiał rozprasza światło, a dokładniej to jak drgania sieci krystalicznej i lokalne wzbudzenia wpływają na przesunięcie energii rozproszonego promieniowania. To narzędzie potrafi być zaskakująco czułe na zmiany symetrii i lokalnego uporządkowania, ale ma też ograniczenia, bo w idealnym krysztale obowiązują reguły wyboru, które mówią, jakie drgania mogą być “Raman-aktywne”.
Czytaj też: Najdziwniejszy zwrot akcji energetyki? Węgiel się skończył, ale to nie koniec historii
Jeśli jednak jony zaczynają zachowywać się “płynnie”, to dynamicznie rozbijają symetrię. Reguły wyboru przestają działać tak czysto, pojawia się dyfuzyjne rozpraszanie w niskich częstotliwościach, a widmo dostaje charakterystyczny “ogon” lub wzrost intensywności tam, gdzie wcześniej był spokój. Tę właśnie cechę autorzy pracy proponują traktować jako sygnaturę szybkiego przewodnictwa jonowego.
Co dokładnie robi tu uczenie maszynowe?
Żeby wiarygodnie policzyć widmo Ramana w temperaturze, w której materiał jest dynamicznie nieuporządkowany, trzeba w praktyce iść w stronę symulacji dynamiki molekularnej, a to robi się bardzo drogie wraz z koniecznością zwiększania jakości pomiarów. Dlatego też naukowcy postawili na schemat, który łączy dwa elementy: uczenie maszynowe jako pole sił do prowadzenia dynamiki oraz modele tensorowe do przewidywania odpowiedzi Ramana, czyli w uproszczeniu to, jak zmienia się polaryzowalność materiału w trakcie drgań. Efekt ma być taki, że dostajemy widma z dokładnością zbliżoną do metod pierwszych zasad, ale przy dużo mniejszym koszcie obliczeniowym, który pozwala myśleć o screeningu wielu kandydatów, a nie pojedynczych “ulubieńców”.
Autorzy zademonstrowali tę metodę na elektrolitach sodowych. Jest to interesujący wybór, jako że sód coraz częściej wraca w dyskusjach o magazynowaniu energii i trudno się temu dziwić, bo po prostu jest bardziej dostępny surowcowo niż lit, a systemy sodowe bywają atrakcyjne w kontekście dużych magazynów stacjonarnych. Jednocześnie elektrolity siarczkowe potrafią oferować wysoką przewodność jonową, choć ich praktyczne wdrożenie komplikuje m.in. wrażliwość na wilgoć i problemy interfejsowe.
Czytaj też: Naukowcy wrócili do fizyki z XVI wieku, a uzyskany akumulator sodowy przerósł oczekiwania
W tym miejscu metoda Ramana ma bardzo przyziemną zaletę: zamiast czekać, aż przewodność wyjdzie z klasycznych pomiarów i porównywać dziesiątki próbek, można szybciej odpowiedzieć na pytanie, czy w materiale w ogóle pojawia się odpowiedni ruch jonów skorelowany z wysoką mobilnością. Autorzy raportują, że silna intensywność w niskich częstotliwościach pojawia się właśnie wtedy, gdy ruch jonów ma charakter bardziej dyfuzyjny i gdy sieć gospodarza relaksuje dynamicznie, natomiast materiały z transportem opartym głównie na skokach nie pokazują tej samej sygnatury.
Dlaczego to może przyspieszyć badania, nawet jeśli nie rozwiąże wszystkiego?
Oto więc inżynierowie akumulatorowi mogą wykorzystać widmo Ramana jako obserwowalny “odcisk palca”, który da się policzyć i zmierzyć. Takie coś potrafi skrócić pętlę iteracji, bo laboratorium może szybciej odsiać materiały, które nie wchodzą w pożądane wymagania dynamiki, a teoria może lepiej tłumaczyć, dlaczego dwa podobne składy zachowują się zupełnie inaczej. Jednocześnie to wciąż tylko jeden z elementów układanki akumulatora półprzewodnikowego. Nawet najlepszy elektrolit może przegrać na interfejsach, na reaktywności z elektrodami, na problemach mechanicznych, na formowaniu się warstw przejściowych czy na technologii produkcji w skali przemysłowej. W tym sensie metoda z Ramana nie obiecuje “gotowego akumulatora”, tylko szybszą drogę do znalezienia kandydatów, których w ogóle warto bić młotkiem w laboratorium.
Źródła: NAT, EurekAlert!
