처음으로 연구원들은 리튬 이온이 배터리 인터페이스를 통해 어떻게 흐르는지 관찰했으며, 이는 엔지니어가 재료 설계를 최적화하는 데 도움이 될 수 있습니다. MIT, 스탠포드 대학교, SLAC National Accelerator 및 Toyota Research Institute의 연구원들은 중요한 배터리 재료인 인산철리튬을 이해하는 데 획기적인 진전을 이루었습니다. 고급 X선 이미지 분석을 사용하여 재료 효율의 변화가 탄소 코팅의 두께와 관련이 있음을 발견했습니다. 이번 발견으로 배터리 성능이 향상될 수 있습니다.
MIT, 스탠포드 대학, SLAC 국립 가속기 연구소 및 Toyota Research Institute의 연구진은 기계 학습을 사용하여 배터리 사이클링 중에 배터리 전극 나노 입자(왼쪽)에 들어오고 나가는 리튬 이온의 X선 이미지를 재분석했습니다. 이 이미지의 잘못된 색상은 각 입자의 전하 상태를 보여주고 개별 입자 내부의 불균일한 프로세스를 드러냅니다. 이미지 출처: Cube3D
MIT, 스탠포드 대학, SLAC 국립 가속기 및 Toyota 연구소의 연구원들은 엑스레이 이미지 데이터를 마이닝함으로써 전기 자동차 배터리 및 기타 충전용 배터리에 사용되는 재료인 인산철리튬의 반응성에 대해 중요한 새로운 발견을 했습니다.
새로운 기술은 인산철리튬 나노입자의 다양한 영역에서 리튬 삽입 반응 속도의 변화를 포함하여 이전에는 볼 수 없었던 몇 가지 현상을 밝혀냈습니다.
논문의 가장 중요한 실제 발견은 이러한 반응 속도의 변화가 입자 표면의 탄소 코팅 두께의 차이와 관련되어 있으며, 이는 이러한 배터리의 충전 및 방전 효율을 향상시킬 수 있다는 것입니다.
MIT 연구원들은 엑스레이 이미지를 채굴함으로써 전기 자동차 배터리 및 기타 충전용 배터리에 사용되는 재료인 인산철리튬의 반응성에 대해 새로운 중요한 발견을 했습니다. 그림의 각 입자 쌍에서 실제 입자는 왼쪽에 있고 연구원이 시뮬레이션한 입자는 오른쪽에 있습니다. 이미지 출처: 연구진 제공
인터페이스 엔지니어링
"이 연구에서 우리가 배운 것은 특히 활성 물질의 나노입자로 만들어진 오늘날의 현대 배터리에서 배터리 역학을 실제로 제어하는 인터페이스라는 것입니다." 이번 연구의 수석 저자이자 E.G. Roos 화학공학 교수이자 MIT 수학과 교수입니다.
이미지의 복잡한 패턴 뒤에 있는 물리학을 발견하는 이 방법은 다른 유형의 배터리뿐만 아니라 발달 중인 배아의 분열 세포와 같은 생물학적 시스템을 포함하여 많은 다른 재료를 탐구하는 데에도 사용될 수 있습니다.
Bazant는 "이 연구에서 가장 흥미로운 점은 패턴을 형성하는 시스템의 이미지를 촬영하고 해당 패턴을 지배하는 원리를 배울 수 있다는 것"이라고 말했습니다.
공동 연구
새로운 연구의 제1저자인 홍보 자오(Hongbo Zhao) 박사는 MIT 대학원생이었으며 현재 프린스턴 대학교에서 박사후 연구원으로 재직하고 있습니다. 다른 저자로는 MIT 화학 공학과 Edwin R. Gilliland 교수인 Richard Bratz, 스탠포드 대학 재료 과학 및 공학 부교수이자 SLAC-Stanford 배터리 센터 소장인 William Chueh, Toyota 연구소의 에너지 및 재료 수석 이사인 Brian Storey가 있습니다.
Chueh는 "지금까지 우리는 직장에서 배터리 나노입자의 아름다운 X선 동영상을 만들 수 있었지만, 동영상이 너무 유익했기 때문에 작동 방식에 대한 미묘한 세부 사항을 측정하고 이해하는 것이 어려웠습니다."라고 말했습니다. "이러한 나노 규모 영화의 이미지 학습을 통해 이전에는 불가능했던 통찰력을 얻을 수 있습니다."
반응 속도 모델링
인산철리튬 배터리 전극은 전해질 용액으로 둘러싸인 많은 작은 인산철리튬 입자로 구성됩니다. 일반적인 입자는 직경이 약 1미크론이고 두께가 약 100나노미터입니다. 배터리가 방전됨에 따라 리튬 이온은 이온 인터칼레이션(ion intercalation)이라는 전기화학 반응을 통해 전해액에서 재료로 흘러 들어갑니다. 배터리가 충전되면 삽입 반응이 역전되어 이온이 반대 방향으로 흐릅니다.
인산철리튬(LFP)은 저렴한 비용, 우수한 안전성, 풍부한 원소 사용으로 인해 중요한 배터리 소재입니다. "전기 자동차 시장에서 인산철리튬의 사용이 증가하고 있으므로 이 연구의 시기가 이보다 더 좋을 수는 없습니다."
이 연구에 앞서 Bazant는 리튬 이온 삽입 형성 방식에 대한 광범위한 이론적 모델링을 수행했습니다. 인산철리튬은 리튬 이온이 가득 차 있거나 비어 있는 두 가지 안정한 상 중 하나로 존재하는 것을 선호합니다. 2005년부터 Bazant는 독특한 리튬 이온 흐름 패턴을 생성하는 삽입 반응에 의해 구동되는 상 분리라고 알려진 이 현상에 대한 수학적 모델을 연구해 왔습니다. 2015년 스탠포드에서 안식년을 보내는 동안 그는 Chueh와 협력하여 주사 터널링 X선 현미경을 통해 인산철리튬 입자의 이미지를 해석하기 시작했습니다.
연구자들은 이 현미경을 사용하여 입자의 모든 지점에서 리튬 이온 농도를 픽셀 단위로 보여주는 이미지를 얻을 수 있습니다. 충전 또는 방전될 때 입자를 여러 번 스캔하여 리튬 이온이 입자 안팎으로 이동하는 방법에 대한 동영상을 만들 수 있습니다.
2017년 SLAC의 Bazant와 그의 동료들은 Toyota Research Institute로부터 자금 지원을 받아 다른 배터리 관련 연구 프로젝트와 함께 이 접근 방식을 사용하여 추가 연구를 수행했습니다.
통찰과 발견
연구진은 충전 및 방전되는 63개의 인산철리튬 입자의 X선 이미지를 분석함으로써 물질 내부의 리튬 이온의 움직임이 Bazant가 만든 이전 컴퓨터 시뮬레이션과 거의 동일하다는 것을 발견했습니다. 연구원들은 배터리 재료의 비평형 열역학과 반응 역학을 정확하게 설명하는 방정식을 생성하기 위해 계산 모델을 훈련하기 위한 측정 데이터로 180,000개의 픽셀을 모두 사용했습니다.
Bazant는 "내부의 모든 작은 픽셀이 가득 찬 상태에서 비어 있는 상태로, 가득 찬 상태에서 비어 있는 상태로 점프하고 있습니다. 우리는 방정식을 사용하여 이것이 어떻게 발생하는지 이해하면서 전체 프로세스를 매핑하고 있습니다"라고 말했습니다.
연구원들은 또한 그들이 관찰한 리튬 이온 흐름 패턴이 입자 표면의 각 위치에서 리튬 이온이 흡수되는 속도의 공간적 변화를 나타낼 수 있음을 발견했습니다.
Bazant는 "시스템의 이질성(이 경우 표면 반응 속도의 변화)을 이해하기 위해 이미지를 볼 수 있다는 사실에 정말 놀랐습니다. 일부 영역은 매우 빠르게 반응하는 것처럼 보였고 일부 영역은 매우 느리게 반응하는 것처럼 보였습니다."라고 Bazant는 말했습니다.
또한, 연구진은 이러한 반응 속도의 차이가 인산철리튬 입자 표면의 탄소 코팅 두께와 관련이 있음을 발견했습니다. 인산철리튬의 탄소 코팅은 전기 전도에 도움이 됩니다. 그렇지 않으면 이 물질은 전기를 너무 느리게 전도하여 배터리로 사용할 수 없게 됩니다.
나노 규모에서 탄소 코팅 두께의 변화는 전도성을 직접적으로 제어하는데, 이는 이러한 모델링 및 이미지 분석 없이는 결코 발견되지 않았을 것입니다. 이번 발견은 또한 몇 년 전에 Bazant가 제안한 가설에 대한 정량적 뒷받침을 제공합니다. 즉, 리튬 철 인산염 전극의 성능은 주로 고체 내 리튬 이온 확산 속도보다는 고체 입자와 탄소 코팅 사이의 경계면에서 결합된 이온-전자 이동 속도에 의해 제한된다는 것입니다.
재료 최적화
이번 연구 결과는 전극 표면의 탄소층 두께를 최적화하면 연구자들이 보다 효율적으로 작동하는 배터리를 설계하는 데 도움이 될 수 있음을 보여준다고 연구진은 말했습니다.
이는 배터리 소재의 특성을 코팅의 물리적 특성과 직접적으로 연결할 수 있는 최초의 연구이다. 배터리 최적화 및 설계의 초점은 전해질과 전극 경계면에서 반응 동역학을 제어하는 것입니다.
"이 논문의 출판은 6년간의 노력과 협력의 정점입니다"라고 Storey는 말했습니다. "이 기술을 통해 이전에는 불가능했던 방식으로 배터리 내부 작동 방식을 밝힐 수 있게 되었습니다. 우리의 다음 목표는 이러한 새로운 이해를 적용하여 배터리 설계를 개선하는 것입니다."
Bazant는 다른 배터리 재료에 대한 이 분석 방법을 사용하는 것 외에도 다른 화학 및 생물학적 시스템의 패턴 형성을 연구하는 데 사용될 수 있을 것으로 기대합니다.