Les ingénieurs s’appuient sur des outils informatiques pour développer de nouvelles technologies de stockage d’énergie, qui sont essentielles pour exploiter les sources d’énergie durables et alimenter les véhicules électriques et autres appareils. Les chercheurs ont désormais mis au point un nouveau modèle de physique classique qui rend compte de l’un des aspects les plus complexes de la recherche sur le stockage d’énergie : les processus dynamiques de non-équilibre qui déséquilibrent les aspects chimiques, mécaniques et physiques des matériaux de stockage d’énergie lorsqu’ils chargent ou déchargent de l’énergie.
Le nouveau modèle Chen-Huang Nonequilibrium Phasex Transformation (NExT) a été développé par Hongjiang Chen, ancien doctorant à l’université d’État de Caroline du Nord, en collaboration avec son directeur de thèse, Hsiao-Ying Shadow Huang, professeur associé en génie mécanique et aérospatial à l’université. Un article sur ces travaux, intitulé « Energy Change Pathways in Electrodes during Nonequilibrium Processes » (Voies de changement énergétique dans les électrodes lors de processus de non-équilibre), a été publié dans The Journal of Physical Chemistry C.
Mais que sont les « processus de non-équilibre » ? Pourquoi sont-ils importants ? Et pourquoi vouloir traduire ces processus en formules mathématiques ? Nous avons discuté avec Huang pour en savoir plus.
Résumé : Il s’agit d’un article très technique, je vais donc le décomposer étape par étape. Pour commencer, que sont les « processus de non-équilibre » ? Pourquoi sont-ils importants ?
Hsiao-Ying Shadow Huang : Lorsqu’une batterie lithium-ion est déconnectée et reste inutilisée pendant plusieurs heures, elle tend vers l’équilibre. À l’état d’équilibre, les batteries lithium-ion ne présentent aucun flux de courant, ont des concentrations de lithium-ion uniformément réparties dans l’électrolyte et les matériaux des électrodes, maintiennent des températures stables sans gradients (ce qui signifie que la température est la même dans tout le matériau) et présentent des potentiels d’électrode stables sans réaction chimique nette.
Même lors d’une charge et d’une décharge lentes, une batterie lithium-ion fonctionne dans des conditions de non-équilibre.
La charge et la décharge des batteries lithium-ion sont fondamentalement des processus de non-équilibre, impliquant de multiples phénomènes de transport qui s’écartent considérablement de l’équilibre thermodynamique. Cela signifie qu’elles s’éloignent considérablement de leur état de repos naturel, provoquant plusieurs changements physiques et chimiques à l’intérieur de la batterie qui peuvent avoir un impact sur ses performances et sa durée de vie. Même lors d’une charge et d’une décharge lentes, la batterie fonctionne dans des conditions de non-équilibre. Mais lors d’une charge et d’une décharge rapides, l’écart par rapport à l’équilibre est plus prononcé.
Pour charger ou prélever rapidement de l’énergie d’une batterie lithium-ion, les ions lithium doivent se déplacer rapidement à travers l’électrolyte de la batterie et vers les électrodes. Cela crée une distribution inégale des ions, certaines zones étant encombrées d’ions tandis que d’autres sont appauvries. Ce déséquilibre dans le transport de masse entraîne un mouvement intense qui s’écarte considérablement de l’état stable habituel de la batterie lithium-ion, car le système ne peut pas maintenir des concentrations uniformes dans l’ensemble.
Mais d’autres facteurs entrent également en jeu dans des conditions de non-équilibre.
Un fonctionnement rapide génère une chaleur importante, qui se répartit de manière inégale dans la batterie, créant des points chauds et froids. Ces différences de température entraînent des réactions chimiques à des vitesses différentes selon les endroits, rendant l’ensemble du système de plus en plus instable et s’éloignant davantage de son état d’équilibre.
Dans des conditions de charge et de décharge rapides, la batterie fonctionne à des tensions très éloignées de sa tension idéale en circuit ouvert, ce qui signifie qu’elle ne peut pas fonctionner de manière équilibrée ou économe en énergie. Ce déséquilibre électrochimique nécessite d’importants surpotentiels pour entraîner les flux de courant élevés, ce qui éloigne encore davantage le système de l’équilibre.
De plus, le mouvement rapide des ions lithium entrant et sortant des matériaux de la batterie provoque une expansion et une contraction physiques qui se produisent plus rapidement que les matériaux ne peuvent s’ajuster mécaniquement, créant ainsi une contrainte interne importante. Cette contrainte mécanique peut entraîner la formation de minuscules fissures dans les matériaux des électrodes et provoquer une usure accélérée de certaines parties de la batterie. Dans des matériaux tels que le LiFePO4, ces conditions forcent des changements structurels internes à se produire dans des conditions cinétiques précipitées plutôt que par le biais des processus thermodynamiques naturellement stables qui se produiraient lors d’un fonctionnement lent.
En bref, les processus de non-équilibre peuvent poser des défis importants lorsqu’il s’agit à la fois de faire fonctionner la batterie de manière efficace et de protéger son intégrité structurelle.
Pourquoi est-il important de comprendre ces processus hors équilibre ?
Huang : Il est essentiel de comprendre ces aspects de non-équilibre pour les raisons suivantes :
Il est nécessaire de comprendre les processus de non-équilibre pour développer des protocoles de charge et de décharge rapides des batteries lithium-ion qui concilient vitesse et sécurité et contribuent à prolonger la durée de vie des batteries lithium-ion. (Le défi de la charge et de la décharge rapides consiste à gérer les processus de non-équilibre afin d’obtenir un stockage d’énergie rapide tout en minimisant les mécanismes de dégradation qui résultent également d’un fonctionnement loin de l’équilibre).
Les processus hors équilibre sont essentiels pour développer des systèmes de gestion thermique capables de gérer la chaleur générée par ces processus.
La compréhension de ces processus est essentielle lors de la conception de matériaux pouvant être utilisés dans les électrodes afin de mieux gérer le transport hors équilibre.
Il n’existe pas de modèles physiques classiques établis (formules mathématiques) qui permettent de saisir correctement ces processus hors équilibre ? Est-ce exact ?
Huang : Il existe des modèles physiques classiques pour les batteries lithium-ion. Cependant, leur précision prédictive est souvent limitée. Cette limitation provient principalement : (i) de l’utilisation d’entrées de modèle dont la précision est limitée, souvent basées sur des hypothèses linéaires ; (ii) de l’omission de phénomènes systémiques complexes, tels que le transport de masse ; et (iii) d’une compréhension incomplète des processus et des caractéristiques sous-jacents des systèmes de batteries lithium-ion – par exemple, les logiciels de simulation commerciaux largement utilisés sont généralement limités à la modélisation des processus d’équilibre.
Pourquoi ces modèles sont-ils importants ?
Huang : Les modèles physiques classiques précis fournissent les fondements mathématiques et les cadres conceptuels essentiels qui soutiennent la modélisation computationnelle des matériaux et permettent aux programmes d’apprentissage automatique (ML) de traiter des questions liées à la science et à l’ingénierie des matériaux. Les équations différentielles, la théorie de l’optimisation et les méthodes statistiques développées en physique se traduisent directement en algorithmes ML fondamentaux, des techniques de descente de gradient aux opérations de réseaux neuronaux. Plus important encore, la physique démontre comment des phénomènes complexes peuvent être compris grâce à l’abstraction mathématique et au raffinement itératif, la même approche utilisée dans la formation des modèles d’apprentissage automatique. Sans la rigueur mathématique, la pensée analytique et les paradigmes de modélisation de la physique classique, l’apprentissage automatique manquerait des outils informatiques et du cadre intellectuel nécessaires pour extraire des modèles significatifs à partir des données et faire des prédictions fiables.
Alors, qu’avez-vous fait ici ?
Huang : Dans cette étude, nous proposons un nouveau mécanisme pour expliquer comment les matériaux des batteries lithium-ion tels que le LiFePO4 (LFP) et les oxydes de lithium-nickel-manganèse-cobalt (NMC) subissent des transitions de phase dans des conditions de non-équilibre, comme lors d’une charge ou d’une décharge rapide. Nous introduisons le concept de facteurs de chemin, qui influencent la manière dont l’énergie change au sein du matériau pendant l’insertion et le retrait des ions lithium. Ces facteurs interagissent avec des propriétés clés telles que la teneur en lithium, la contrainte mécanique, les défauts structurels (dislocations) et l’ordre des matériaux. Nos simulations montrent que la densité de dislocations, qui augmente avec l’accélération des réactions électrochimiques, joue un rôle essentiel dans les changements structurels. En modélisant ces effets à travers plusieurs états du matériau, tels que riche en lithium vs pauvre en lithium et ordonné vs désordonné, nous capturons la manière dont la structure interne évolue de manière dynamique.
Nous avons validé notre modèle en comparant les résultats de la simulation aux données expérimentales pour les matériaux LFP et NMC à différents taux de charge/décharge. La concordance confirme que notre mécanisme de modification des chemins est un outil puissant pour comprendre et potentiellement améliorer les performances des batteries dans des conditions de non-équilibre.
En d’autres termes, notre modèle peut être intégré à des outils informatiques afin d’améliorer notre capacité à concevoir de meilleures batteries.
Le modèle NExT que vous avez développé peut-il être utilisé pour traiter divers processus de non-équilibre ? Si oui, pourquoi vous êtes-vous concentré spécifiquement sur les électrodes et les batteries lithium-ion dans votre article ?
Huang : Des données expérimentales exhaustives sont essentielles pour développer des modèles physiques classiques précis, car elles fournissent la base empirique nécessaire pour transformer des idées théoriques en connaissances scientifiques fiables. Pour les matériaux de batteries lithium-ion tels que le LFP et le NMC, de nombreux résultats expérimentaux provenant de divers groupes de recherche sont désormais disponibles. Cette abondance de données a été une motivation clé pour le développement du modèle NExT, qui est spécialement conçu pour capturer le comportement de ces systèmes largement étudiés. En nous appuyant sur des résultats expérimentaux obtenus dans différentes conditions, à différentes échelles et pour différents phénomènes, nous nous assurons que nos formulations mathématiques reflètent des processus physiques réels plutôt que de rester des constructions théoriques abstraites. L’interaction itérative entre la modélisation et l’expérimentation nous permet d’identifier les limites du modèle, d’ajuster les paramètres clés et de découvrir de nouvelles perspectives physiques, ce qui conduit finalement à des représentations plus précises et plus complètes des systèmes complexes.
Quelles sont les autres applications qui peuvent utiliser le modèle NExT ?
Huang : Bien que nos travaux publiés à ce jour se concentrent sur les matériaux des batteries lithium-ion tels que le LFP et le NMC, le mécanisme sous-jacent de modification des voies et le concept de facteurs de voie sont largement applicables et peuvent être étendus à d’autres systèmes de stockage d’énergie, y compris les matériaux de batterie multivalents (par exemple, ceux à base de magnésium, de calcium ou de zinc). Ces systèmes présentent souvent des interactions ion-hôte et des comportements de phase plus complexes, où les effets de non-équilibre jouent un rôle encore plus critique. En capturant l’évolution couplée de la dynamique des dislocations, de la contrainte mécanique et des transitions de phase multi-états, notre cadre (c’est-à-dire le modèle NExT) contribue à l’avancement de la science computationnelle des matériaux, offrant un outil prédictif et mécanistique pour étudier des processus complexes dépendants de la vitesse. Dans un contexte plus large, cette approche soutient la conception rationnelle de matériaux et de dispositifs de stockage d’énergie de nouvelle génération, accélérant la découverte et l’optimisation des matériaux grâce à une modélisation fondée sur la physique et validée expérimentalement.
Source : NC State
