p As baterias de íon de lítio perdem sua energia com o tempo, fazendo com que cientistas e engenheiros trabalhem duro para entender esse processo em detalhes. Agora, cientistas do Laboratório Nacional de Aceleração SLAC do Departamento de Energia combinaram algoritmos de aprendizado de máquina sofisticados com dados de tomografia de raios-X para produzir uma imagem detalhada de como um componente da bateria, o cátodo, degrada com o uso. p O novo estudo, publicado em 8 de maio em Nature Communications , focado em como visualizar melhor o que está acontecendo nos cátodos feitos de níquel-manganês-cobalto, ou NMC. Nestes cátodos, Partículas de NMC são mantidas juntas por uma matriz de carbono condutora, e os pesquisadores especularam que uma das causas do declínio do desempenho pode ser a separação de partículas dessa matriz. O objetivo da equipe era combinar recursos de ponta na Stanford Synchrotron Radiation Lightsource (SSRL) da SLAC e na European Synchrotron Radiation Facility (ESRF) para desenvolver uma imagem abrangente de como as partículas NMC se separam e se separam da matriz e como isso pode contribuir às perdas de desempenho.

p Claro, é uma tarefa difícil para os humanos descobrirem o que está acontecendo apenas olhando as fotos de um cátodo NMC, então a equipe voltou-se para a visão computacional, um subcampo de algoritmos de aprendizado de máquina originalmente projetados para digitalizar imagens ou vídeos e identificar e rastrear objetos como cães ou carros.

p Mesmo assim, houve desafios. Os algoritmos de visão computacional muitas vezes se concentram nos limites definidos por linhas claras ou escuras, então eles teriam dificuldade em diferenciar entre várias partículas pequenas do NMC grudadas e uma única grande, mas parcialmente fraturada; para a maioria dos sistemas de visão computacional, essas fraturas pareceriam quebras limpas.

p Para resolver esse problema, a equipe usou um tipo de algoritmo configurado para lidar com objetos hierárquicos, por exemplo, um quebra-cabeça, que pensaríamos como uma entidade completa, embora seja composta de muitas peças individuais. Com contribuições e julgamentos dos próprios pesquisadores, eles treinaram este algoritmo para distinguir diferentes tipos de partículas e, assim, desenvolver uma imagem tridimensional de como as partículas NMC, seja grande ou pequeno, fraturado ou não, romper com o cátodo.

p Eles descobriram que as partículas que se destacam da matriz de carbono realmente contribuem significativamente para o declínio da bateria, pelo menos sob condições que normalmente veríamos em produtos eletrônicos de consumo, como telefones inteligentes.

p Segundo, enquanto as partículas grandes do NMC são mais propensas a se danificar e se separar, algumas partículas menores se soltam, também, e no geral, há mais variação na forma como as partículas pequenas se comportam, disse Yijin Liu, um cientista da equipe do SLAC e um autor sênior do novo artigo. Isso é importante porque os pesquisadores geralmente assumiram que, ao tornar as partículas da bateria menores, eles poderiam fazer baterias de maior duração - algo que o novo estudo sugere que pode não ser tão simples, Disse Liu.