Forscher des Lawrence Livermore National Laboratory (LLNL) haben einen neuartigen, integrierten Modellierungsansatz entwickelt, um für die Funktion von Batterien wichtige Grenzflächen und mikrostrukturelle Merkmale in komplexen Materialien zu identifizieren und zu verbessern. Die Arbeit trug dazu bei, die Beziehung zwischen der Materialmikrostruktur und den Schlüsseleigenschaften aufzudecken und besser vorhersagen zu können, wie sich diese Merkmale auf den Batteriebetrieb auswirken.
Das Team analysierten den Ionentransport, der sowohl von den intrinsischen Eigenschaften des Materials als auch von der Anordnung des Materials auf Mikrostrukturebene stark beeinflusst wird.
Die Arbeit führt einen ML-gestützten mesoskopischen Modellierungsrahmen ein, um die Beziehung zwischen mikrostrukturellen Merkmalen und dem Ionentransport zu entschlüsseln. Dies stellt einen innovativen Ansatz dar, der datengesteuerte Techniken mit mesoskaliger Modellierung kombiniert.
Die Arbeit konzentrierte sich auf zweiphasige Verbundwerkstoffe, die häufig in Festkörperbatterien verwendet werden, wobei Li7La3Zr2O12-LiCoO2 als Modellsystem diente.
Der Ansatz des Teams ermöglichte eine umfassende Analyse sehr komplexer mikrostruktureller Merkmale und Grenzflächen und deren Auswirkungen auf die Materialeigenschaften. Ihre Ergebnisse bestätigten, dass die Vielfalt der mikrostrukturellen Merkmale die effektiven Transporteigenschaften erheblich beeinflussen kann. Vor allem die Grenzfläche zwischen den beiden Phasen spielte eine entscheidende Rolle bei der Bestimmung dieser Eigenschaften. (jr)
