Litiumjonbatterier förlorar sin juice med tiden, vilket får forskare och ingenjörer att arbeta hårt för att förstå den processen i detalj. Nu, forskare vid Department of Energys SLAC National Accelerator Laboratory har kombinerat sofistikerade maskininlärningsalgoritmer med röntgentomografidata för att producera en detaljerad bild av hur en batterikomponent, katoden, försämras vid användning.

Den nya studien, publicerad 8 maj in Naturkommunikation , fokuserat på hur man bättre kan visualisera vad som händer i katoder gjorda av nickel-mangan-kobolt, eller NMC. I dessa katoder, NMC -partiklar hålls samman av en ledande kolmatris, och forskare har spekulerat i att en orsak till prestationsnedgång kan vara partiklar som bryter sig loss från den matrisen. Teamets mål var att kombinera banbrytande kapacitet vid SLAC:s Stanford Synchrotron Radiation Lightsource (SSRL) och European Synchrotron Radiation Facility (ESRF) för att utveckla en heltäckande bild av hur NMC-partiklar bryts isär och bryts loss från matrisen och hur det kan bidra till prestationsförluster.

Självklart, det är svårt för människor att ta reda på vad som händer bara genom att titta på bilder av en NMC-katod, så teamet vände sig till datorseende, ett underfält av maskininlärningsalgoritmer som ursprungligen var utformade för att skanna bilder eller videor och identifiera och spåra objekt som hundar eller bilar.

Även då, det fanns utmaningar. Datorsynalgoritmer nollar ofta in gränser som definieras av ljusa eller mörka linjer, så de skulle ha svårt att skilja mellan flera små NMC-partiklar som sitter ihop och en enda stor men delvis sprucken; till de flesta datorsynssystem, dessa frakturer skulle se ut som rena brott.

För att lösa det problemet, teamet använde en typ av algoritm som satts upp för att hantera hierarkiska objekt – till exempel, ett pussel, som vi skulle se som en komplett enhet även om den består av många enskilda delar. Med input och bedömningar från forskarna själva, de tränade denna algoritm för att särskilja olika typer av partiklar och på så sätt utveckla en tredimensionell bild av hur NMC-partiklar, stor eller liten, bruten eller inte, bryt sig loss från katoden.

De upptäckte att partiklar som lossnar från kolmatrisen verkligen bidrar väsentligt till ett batteris nedgång, åtminstone under förhållanden man vanligtvis skulle se i hemelektronik, som smarta telefoner.

Andra, medan stora NMC-partiklar är mer benägna att skadas och bryta sig loss, en hel del mindre partiklar bryts loss, för, och överlag det finns mer variation i hur små partiklar beter sig, sa Yijin Liu, en stabsforskare vid SLAC och en senior författare till den nya artikeln. Det är viktigt eftersom forskare i allmänhet hade antagit att genom att göra batteripartiklar mindre, de kan göra batterier som håller längre - något som den nya studien tyder på kanske inte är så enkelt, sa Liu.