Un algorithme simple associé à un outil d’imagerie standard pourrait prédire la défaillance des batteries au lithium métal

Des chercheurs de l’université de Californie à San Diego ont mis au point une méthode simple mais puissante pour caractériser les performances des batteries au lithium métal à l’aide d’un outil d’imagerie largement utilisé : la microscopie électronique à balayage. Cette avancée pourrait accélérer le développement de batteries plus sûres, plus durables et plus denses en énergie pour les véhicules électriques et le stockage d’énergie à l’échelle du réseau.

Les batteries au lithium métal ont le potentiel de stocker deux fois plus d’énergie que les batteries lithium-ion actuelles. Cela pourrait doubler l’autonomie des voitures électriques et prolonger la durée de fonctionnement des ordinateurs portables et des téléphones. Mais pour réaliser ce potentiel, les chercheurs doivent relever un défi de longue date : contrôler la morphologie du lithium, c’est-à-dire la façon dont le lithium se dépose sur les électrodes pendant la charge et la décharge.

Lorsque le lithium se dépose de manière plus uniforme, la batterie peut atteindre une durée de vie plus longue. En revanche, lorsque le lithium se dépose de manière inégale, il forme des structures en forme d’aiguilles appelées dendrites qui peuvent percer le séparateur de la batterie et provoquer un court-circuit et une défaillance de la batterie.

Historiquement, les chercheurs ont largement déterminé l’uniformité des dépôts de lithium en évaluant visuellement des images au microscope. Cette pratique a conduit à des analyses incohérentes entre les laboratoires, ce qui a rendu difficile la comparaison des résultats entre les études.

« Ce qu’un groupe de chercheurs définit comme uniforme peut différer de la définition d’un autre groupe », indique Jenny Nicolas, première auteure de l’étude et doctorante en science et ingénierie des matériaux à la Jacobs School of Engineering de l’université de Californie à San Diego. « La littérature sur les batteries utilise également de nombreux termes qualitatifs pour décrire la morphologie du lithium, tels que « grumeleux », « moussu », « en forme de moustache » ou « globulaire », par exemple. Nous avons constaté la nécessité de créer un langage commun pour définir et mesurer l’uniformité du lithium. »

Pour ce faire, Jenny Nicolas et ses collègues, sous la direction de Ping Liu, professeur au département de génie chimique et nano-ingénierie Aiiso Yufeng Li de la Jacobs School of Engineering de l’UC San Diego, ont développé un algorithme simple qui analyse la répartition uniforme du lithium sur des images obtenues par microscopie électronique à balayage (MEB). Les chercheurs ont utilisé le MEB car il offre des images détaillées des électrodes des batteries en capturant les caractéristiques de la surface en 3D sous forme d’images en niveaux de gris en 2D. Il s’agit également d’une technique largement utilisée dans la recherche sur les batteries.

Pour utiliser leur méthode, l’équipe commence par prendre des images SEM des électrodes de la batterie et les convertit en pixels noirs et blancs. Les pixels blancs représentent les dépôts de lithium les plus superficiels de l’échantillon et les pixels noirs représentent soit le substrat, soit le lithium inactif. Les images sont divisées en plusieurs régions, et l’algorithme compte le nombre de pixels blancs dans chacune d’elles, puis calcule une mesure appelée indice de dispersion (ID).

« L’indice de dispersion est une mesure de l’uniformité du lithium », explique Jenny Nicolas. « Plus il est proche de zéro, plus les dépôts de lithium sont uniformes. Une valeur plus élevée signifie moins d’uniformité et plus de regroupements de particules de lithium dans certaines zones. »

L’équipe a d’abord validé la méthode sur 2 048 images SEM synthétiques dont la distribution granulométrique était connue. Les mesures de l’ID correspondaient aux distributions réelles, ce qui a confirmé la précision de la méthode. L’équipe a ensuite appliqué la méthode à des images réelles d’électrodes afin d’analyser l’évolution de la morphologie du lithium au fil du temps dans différentes conditions de cycle. Elle a constaté qu’au fur et à mesure des cycles de la batterie, l’ID augmentait, indiquant des dépôts de lithium plus irréguliers. Parallèlement, l’énergie nécessaire au dépôt du lithium augmentait, signe d’une dégradation. De plus, les chercheurs ont constaté que des pics et des creux locaux dans l’ID apparaissaient systématiquement juste avant la défaillance des cellules. Ces pics et creux pourraient servir de signe avant-coureur de courts-circuits.

L’un des grands avantages de cette méthode est son accessibilité. Les chercheurs spécialisés dans les batteries utilisent déjà l’imagerie SEM dans le cadre de leurs études, a fait remarquer Nicolas, et ils peuvent utiliser l’algorithme simple présenté ici pour calculer l’ID à partir des données qu’ils collectent déjà.

« Notre outil peut être utilisé comme un moyen facile pour les chercheurs de faire passer leur analyse au niveau supérieur en exploitant pleinement le potentiel de l’analyse d’images », a-t-elle déclaré.

Étude complète : « Un cadre d’imagerie quantitative pour la morphologie du lithium : lien entre l’uniformité du dépôt et la stabilité du cycle dans les batteries au lithium métal ». DOI : 10.1073/pnas.250251812

Légende illustration : (A) Exemple d’image montrant le nombre total de pixels blancs représentatifs des limites entre les particules Li, et le nombre total de pixels dans chaque tranche, divisée en 16 tranches (délimitées en rouge) pour le calcul de l’ID. Chacune des 16 tranches contient 16 pixels. (B-E) Images SEM synthétiques de PSD connus utilisés pour le calcul de l’ID (30). (B et C) Distribution log-normale de la taille des particules, taille moyenne de 0,12 et paramètre de forme de la distribution de 0,6. (D et E) Distribution normale de la taille des particules, taille moyenne de 0,1 et paramètre de forme de la distribution de 0,025. Ces valeurs sont mesurées en unités Blender arbitraires. Reproduit, Copyright 2016, Elsevier (30).

Source : UC San Diego