Naar snellere batterijen met amorfe materialen en AI

Onderzoekers van de Indian Institute of Science (IISc) presenteren een baanbrekende aanpak die de prestaties van batterijen kan verbeteren. Door gebruik te maken van amorfe materialen — oftewel structuren zonder vaste kristalroosters — in combinatie met machine learning, hopen ze de snelheid waarmee ionen zich verplaatsen in batterijen drastisch te verhogen. Deze ontdekking zou een stap kunnen zijn richting krachtiger en efficiëntere energieopslag.

Building better batteries with amorphous materials and machine learning Lithium-ion batteries power most electronics, but they have limited energy density—they can store only a certain amount of energy per mass or volume of the battery.

Het basisprobleem: Limieten van huidige accu’s

De meeste elektronische apparaten draaien vandaag op lithium-ionbatterijen, maar deze technologie heeft een beperkende energiedichtheid: je kunt maar een bepaalde hoeveelheid energie opslaan per massa of volume. Onderzoekers richten zich daarom op alternatieven, zoals magnesiumbatterijen, omdat magnesiumionen (Mg²⁺) theoretisch twee elektronen per deeltje kunnen uitwisselen — in tegenstelling tot lithium (Li⁺), dat slechts één elektron uitwisselt — wat meer energie per ion zou kunnen leveren. 

Van kristallijn naar amorf: Een paradigmaverschuiving

Tot nog toe zijn de meeste cathodematerialen voor batterijen gebaseerd op kristallijne structuren, met een ordelijke, periodieke rangschikking van atomen. Het nadeel: magnesiumionen bewegen traag in zo’n kristallijne matrix, wat de laadsnelheid en prestaties beperkt.

De onderzoekers stelden de hypothese dat het vermogen om die orde los te laten — dus om een amorfe structuur te gebruiken — magnesiumionen meer vrijheid kan geven, waardoor ze zich sneller kunnen verplaatsen. Zoals één van de auteurs het verwoordt: "Als we de kristalliniteit breken en iets creëren dat amorf, chaotisch en ongeordend is, kan magnesium beter binnen de structuur verspreiden."

Hoe de simulaties werkten

Om te voorspellen hoe magnesiumionen zich in een amorfe structuur zouden gedragen, gebruikten de onderzoekers een combinatie van methodes:

1. Density Functional Theory (DFT): een zeer nauwkeurige, maar vaak trage methode om elektronen- en atoominteracties op klein schaalniveau te modelleren.
2. Moleculaire dynamica (MD): simuleert de beweging van atomen in de tijd, sneller, maar minder precies.
3. Machine learning: als brug tussen beide, door de DFT-data te gebruiken om een ML-model te trainen, dat dan grotere, snellere dynamische modellen kan aansturen.

Deze hybride aanpak stelde het team in staat om op grotere schaal en met redelijke nauwkeurigheid de diffusiesnelheid van magnesiumionen in een amorf vanadiumpentaoxide-materiaal (V₂O₅) te simuleren.

Verbluffend resultaat: 5 ordes van grootte sneller

De modellen vertoonden dat magnesiumionen zich in de amorfe structuur tot vijf ordes van grootte sneller bewogen dan in de beste kristallijne magnesium-cathodematerialen. Met andere woorden: als kristallijne materialen functioneren op een bepaalde snelheid, zou het amorfe materiaal — theoretisch — honderdduizenden keren sneller kunnen zijn.

Kansen en uitdagingen

Dit werk opent een alternatieve weg om nieuwe electrode-materialen voor batterijen te ontdekken, en brengt magnesiumbatterijen dichter bij praktische toepassing.

Maar er is een “maar”: de stabiliteit van amorfe materialen in echte batterijomstandigheden is nog onbekend. In een werkend apparaat kunnen spanningen, cycli (herhaalde lading/ontlading) en chemische veroudering een rol spelen in de degradatie van structuur en werking. Onderzoekers waarschuwen dat experimentele validatie nodig is om te bevestigen of hun theoretische voorspellingen standhouden in de praktijk. 

Conclusie

Door de logica van kristallijne orde los te laten en gebruik te maken van machine learning om complexe, chaotische structuren te modelleren, zijn deze wetenschappers erin geslaagd een sprong te maken in de theoretische prestaties van batterijmaterialen. Of deze sprong zich vertaalt naar daadwerkelijk bruikbare, stabiele batterijsystemen, zal afhangen van het komende werk in de experimentele laboratoria. Voorlopig is dit een spannende vooruitblik op “wat zou kunnen zijn” in de wereld van energieopslag.