• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  Science >> Vetenskap >  >> Kemi
    Nytt kolmaterial sätter rekord i energilagring, vilket sannolikt kommer att utveckla superkondensatorer
    Konceptuell konst skildrar maskininlärning att hitta ett idealiskt material för kapacitiv energilagring. Dess kolstomme (svart) har funktionella grupper med syre (rosa) och kväve (turkos). Kredit:Tao Wang/ORNL, U.S. Dept. of Energy

    Med vägledning av maskininlärning designade kemister vid Department of Energy's Oak Ridge National Laboratory ett rekordsättande kolhaltigt superkondensatormaterial som lagrar fyra gånger mer energi än det bästa kommersiella materialet. En superkondensator gjord med det nya materialet kan lagra mer energi – förbättra regenerativa bromsar, kraftelektronik och extra strömförsörjning.



    "Genom att kombinera en datadriven metod och vår forskningserfarenhet skapade vi ett kolmaterial med förbättrade fysikalisk-kemiska och elektrokemiska egenskaper som flyttade gränsen för energilagring för kolsuperkondensatorer till nästa nivå", säger kemisten Tao Wang från ORNL och University of Tennessee, Knoxville.

    Wang ledde studien, med titeln "Machine-learning-assisted material discovery of oxygen-rich high porous carbon active materials for aqueous supercapacitor" och publicerad i Nature Communications , med kemisten Sheng Dai från ORNL och UTK.

    "Detta är den högsta registrerade lagringskapacitansen för poröst kol," sa Dai, som tänkte ut och designade experimenten med Wang. "Detta är en riktig milstolpe."

    Forskarna genomförde studien vid Fluid Interface Reactions, Structures and Transport Center, eller FIRST, ett ORNL-ledd DOE Energy Frontier Research Center som verkade från 2009 till 2022. Dess partners vid tre nationella laboratorier och sju universitet undersökte vätske-fasta gränssnittsreaktioner får konsekvenser för kapacitiv lagring av elektrisk energi. Kapacitans är förmågan att samla in och lagra elektrisk laddning.

    När det kommer till energilagringsenheter är batterier de mest bekanta. De omvandlar kemisk energi till elektrisk energi och briljerar med att lagra energi. Däremot lagrar kondensatorer energi som ett elektriskt fält, liknande statisk elektricitet. De kan inte lagra lika mycket energi som batterier i en given volym, men de kan laddas upprepade gånger och förlorar inte förmågan att hålla en laddning. Superkondensatorer, som de som driver vissa elbussar, kan lagra mer laddning än kondensatorer och laddas och laddas ur snabbare än batterier.

    Kommersiella superkondensatorer har två elektroder - en anod och katod - som är separerade och nedsänkta i en elektrolyt. Dubbla elektriska lager separerar reversibelt laddningar vid gränsytan mellan elektrolyten och kolet. Materialen som väljs för tillverkning av elektroder för superkondensatorer är porösa kol. Porerna ger en stor yta för att lagra den elektrostatiska laddningen.

    Den ORNL-ledda studien använde maskininlärning, en typ av artificiell intelligens som lär sig från data för att optimera resultat, för att vägleda upptäckten av superlativmaterialet. Runtong Pan, Musen Zhou och Jianzhong Wu från University of California, Riverside, ett FÖRSTA partneruniversitet, byggde en artificiell neurala nätverksmodell och tränade den att sätta upp ett tydligt mål:utveckla ett "drömmaterial" för energileverans.

    Modellen förutspådde att den högsta kapacitansen för en kolelektrod skulle vara 570 farad per gram om kolet samdopades med syre och kväve.

    Wang och Dai designade ett extremt poröst dopat kol som skulle ge enorma ytareor för elektrokemiska reaktioner i gränsytan. Sedan syntetiserade Wang det nya materialet, ett syrerikt kolramverk för lagring och transport av laddning.

    Kolet aktiverades för att generera fler porer och lägga till funktionella kemiska grupper på platser för oxidations- eller reduktionsreaktioner. Industrin använder aktiveringsmedel som kaliumhydroxid som kräver en mycket hög temperatur, runt 800°C, vilket driver syre från materialet. För fem år sedan utvecklade Dai en process där natriumamid användes som aktiveringsmedel. Den arbetar vid en lägre temperatur, nära 600°C, och skapar mer aktiva platser än den hetare industriella processen. "Materialsyntes i denna 'Goldilocks-zon' - inte för kallt, inte för varmt - gjorde en verklig skillnad i att inte sönderdela de funktionella grupperna", sa Dai.

    Det syntetiserade materialet hade en kapacitans på 611 farad per gram - fyra gånger högre än ett typiskt kommersiellt material. Pseudokapacitans är lagring av laddning baserad på kontinuerliga, snabba och reversibla oxidations-reduktionsreaktioner på ytan av elektrodmaterial. Pseudokapacitans från sådana reaktioner vid syre/kväveställena bidrog till 25 % av den totala kapacitansen. Materialets yta var bland de högsta registrerade för kolhaltiga material – mer än 4 000 kvadratmeter per gram.

    Denna framgång kom snabbt. Det datadrivna tillvägagångssättet gjorde det möjligt för Wang och Dai att på tre månader uppnå vad som tidigare skulle ha tagit minst ett år.

    "Vi uppnådde prestandan för kolmaterial vid gränsen," sa Wang. "Utan det mål som maskininlärning satte upp skulle vi ha fortsatt att optimera material genom att trial and error utan att veta deras gräns."

    Nyckeln till framgång var att uppnå två typer av porer - mesoporer mellan 2 och 50 nanometer, eller miljarddels meter, och mikroporer mindre än 2 nanometer. I experimentella analyser fann kemisterna att kombinationen av mesopor och mikroporer inte bara gav en stor yta för energilagring utan även kanaler för elektrolyttransport. Miaofang Chi och Zhennan Huang vid Center for Nanophase Materials Sciences, en DOE Office of Science-användaranläggning vid ORNL, utförde skanningstransmissionselektronmikroskopi för att karakterisera mesoporerna, men mikroporerna var för små för att ses.

    Mikroskopiskt ser materialet ut som en golfboll med djupa gropar. Groporna representerar mesoporer, och mikroporerna finns i materialet mellan fördjupningarna.

    "Du bygger en motorväg för jontransport," sa Dai. "Superkondensatorer handlar om höghastighetsprestanda — snabb laddning, snabb urladdning. I den här strukturen som Tao och jag designade har du en större por, som du kan se som en motorväg. Den är kopplad till mindre vägar, eller mindre porer. "

    "De mindre porerna ger en större yta för att lagra laddning, men de större porerna är som en motorväg som kan påskynda laddnings-/urladdningshastigheten," sa Wang. "En balanserad mängd små och stora porer kan uppnå bästa prestanda, som förutspåtts av den artificiella neurala nätverksmodellen."

    För att karakterisera elektrolytens transport i kolporerna utförde Murillo Martins och Eugene Mamontov från Spallation Neutron Source, en DOE Office of Science-användaranläggning vid ORNL, kvasielastisk neutronspridning. "De spårade hastigheten på motorvägen," sa Wang. "Detta var första gången som neutronspridning användes för att analysera diffusion av en svavelsyraelektrolyt i de begränsade utrymmena av kolnanoporer." Neutronspridning avslöjade att elektrolyten rörde sig med olika hastigheter:snabbt i mesoporerna och långsamt i mikroporerna.

    Wang kvantifierade kapacitansbidragen från porer av olika storlekar och oxidations-reduktionsreaktioner på deras ytor via modifierad stegpotential elektrokemisk spektroskopi, en teknik som bara kan göras på ett fåtal platser i världen. "Vi fann att mesoporer dopade med syre och kväve bidrar mest till den totala kapacitansen," sa Wang.

    Det FÖRSTA teamet utförde andra studier av de fysikalisk-kemiska egenskaperna. Jinlei Cui och Takeshi Kobayashi från Ames National Laboratory använde kärnmagnetisk resonans för att analysera strukturen hos polymerprekursorer. Bishnu Thapaliya från ORNL och UTK genomförde Raman-analys och avslöjade kolets amorfa eller oordnade struktur.

    Zhenzhen Yang från UTK och ORNL och Juntian Fan från UTK deltog i ytareamätningarna.

    Denna forskning har potential att påskynda utvecklingen och optimeringen av kolmaterial för superkondensatortillämpningar. Även om denna genombrottsstudie använde den bästa datan vid den tiden, har forskarna nu ännu mer gränsdata för att träna maskininlärningsmodellen för nästa studie.

    "Genom att använda mer data kan vi sätta ett nytt mål och tänja på gränserna för kolsuperkondensatorer ytterligare," sa Wang. "Den framgångsrika tillämpningen av maskininlärning i materialdesign är ett bevis på kraften hos datadrivna tillvägagångssätt för att avancera teknik."

    Mer information: Tao Wang et al, Maskininlärningsassisterad materialupptäckt av syrerika mycket porösa kolaktiva material för vattenhaltiga superkondensatorer, Nature Communications (2023). DOI:10.1038/s41467-023-40282-1

    Journalinformation: Nature Communications

    Tillhandahålls av Oak Ridge National Laboratory




    © Vetenskap https://sv.scienceaq.com