Das National Institute for Materials Science (NIMS) und die SoftBank Corp. haben gemeinsam ein Modell entwickelt, das in der Lage ist, die Zyklusdauer von Lithium-Metall-Batterien hoher Energiedichte vorherzusagen, indem maschinelles Lernen auf Batterieleistungsdaten angewendet wird. Das Modell erwies sich als in der Lage, die Lebensdauer von Batterien genau zu schätzen, indem es deren Lade-, Entlade- und Spannungsentspannungsprozessdaten analysierte, ohne auf Annahmen über spezifische Batteriealterungsmechanismen angewiesen zu sein.
Lithium-Metall-Batterien haben das Potenzial, Energiedichten pro Masseneinheit zu erreichen, die höher sind als die der derzeit verwendeten Lithium-Ionen-Batterien. Aus diesem Grund sind die Erwartungen an ihren Einsatz in einer Vielzahl von Technologien, darunter Drohnen, Elektrofahrzeuge und Haushaltsspeichersysteme, hoch. Die Entwicklung solcher Batterien erfordert Techniken zur genauen Abschätzung der Zyklusdauer, um Sicherheit und Zuverlässigkeit zu verbessern.
Die Forscher haben ein Modell entwickelt, um die Zykluslebensdauer von Lithium-Metall-Batterien vorherzusagen, indem sie maschinelles Lernen auf die Lade-/Entladekapazität und Relaxationsmerkmale anwenden. Dieses Modell konnte genaue Vorhersagen treffen, indem es Daten über Lade-, Entlade- und Spannungsentspannungsprozesse analysierte, ohne spezifische Annahmen über Batteriealterungsmechanismen zu machen. Das Team plant, die Genauigkeit der Zykluslebensdauervorhersage des Modells weiter zu verbessern und die Entwicklung neuer Lithium-Metall-Anodenmaterialien zu beschleunigen, um hochenergetische Lithium-Metall-Batterien schneller in die Praxis umzusetzen.
Die Forschungsteams haben eine große Anzahl von Lithium-Metall-Batteriezellen hoher Energiedichte hergestellt, die jeweils aus einer Lithium-Metall-Anode und einer Nickel-reichen Kathode bestehen, und die Lade-/Entladeleistung dieser Zellen bewertet. Mit diesen Arbeiten sollen auf fortschrittlichen Batterieherstellungstechniken aufbauend neue Fortschritte erzielt werden, um die Lebensdauer und Zuverlässigkeit von Lithium-Metall-Batterien zu verbessern.