你知道鋰電池儲(chǔ)電量怎樣做能翻倍嗎？
來源：寶鄂實(shí)業(yè)
2019-04-22 12:36
點(diǎn)擊量：次
在第四期青創(chuàng)聯(lián)盟線上研討會(huì)上，哥倫比亞大學(xué)材料系助理教授楊遠(yuǎn)從材料學(xué)的角度回顧了電池的歷史、現(xiàn)狀以及未來發(fā)展方向。
在研討開始，楊遠(yuǎn)教授介紹了材料科學(xué)的歷史和研究熱點(diǎn)。他介紹了人類的發(fā)展史可以說是一部材料發(fā)展史。無論從石器時(shí)代到青銅時(shí)代還是如今的硅時(shí)代（電子產(chǎn)品大量使用硅材料）。
據(jù)楊遠(yuǎn)教授統(tǒng)計(jì)，過去20年，諾貝爾物理獎(jiǎng)和化學(xué)獎(jiǎng)得主有四分之一來自材料領(lǐng)域，足見人們的重視程度。
隨著數(shù)字時(shí)代的到來和人類開始對(duì)可持續(xù)發(fā)展愈加重視，電池的應(yīng)用領(lǐng)域正不斷擴(kuò)大。
人們對(duì)電池性能提出了更高的要求，比如人們需要待機(jī)時(shí)間更久的手機(jī)、續(xù)航里程更長的汽車、太陽能和風(fēng)能的大規(guī)模儲(chǔ)能需求、可穿戴設(shè)備如心臟起搏器（通常10年一換，有了更好的電池可以一輩子不換）等。
這么多的應(yīng)用場(chǎng)景也就向電池的能量密度、使用壽命、安全性、生產(chǎn)和使用成本等方面提出了新挑戰(zhàn)。
以時(shí)下最常用的鋰離子電池為例，楊遠(yuǎn)教授介紹稱現(xiàn)在鋰離子電池的能量密度已經(jīng)達(dá)到250Wh/kg。未來10-15年的目標(biāo)是將其能量密度從250Wh/kg提高到500Wh/kg，成本也下降到現(xiàn)在的一半。
為了達(dá)到這一目標(biāo)，楊遠(yuǎn)教授介紹了未來電池的兩個(gè)發(fā)展方向。一個(gè)方向，使用新的材料，比如負(fù)極用鋰金屬代替商用石墨，正極使用高鎳的三元材料或者硫。
另一個(gè)方向是用純固態(tài)電解質(zhì)替代液態(tài)電解液，以提高電池的容量和安全性。
楊遠(yuǎn)教授還指出，有些媒體報(bào)道稱“石墨烯電池能讓電動(dòng)車五分鐘充滿電，一次跑1000公里”。這一說法是過分夸張的。讓鋰離子電池能量翻倍，更加切實(shí)可行。
楊遠(yuǎn)教授還介紹了如何通過同步輻射光源，也就是比普通X光強(qiáng)上億倍的光源，來給電池照相，看到電池在充放電中的變化、找到電池的缺陷。把這些照片和大數(shù)據(jù)以及AI相結(jié)合，可以了解電池材料和器件的性能，進(jìn)而更好的了解電池的內(nèi)部特征。
在報(bào)告的最后，楊遠(yuǎn)教授介紹了自己的兩個(gè)研究方向：
1.金屬鋰枝晶的生長。鋰金屬電池的安全隱患主要因?yàn)榻饘黉囋谑褂眠^程中會(huì)產(chǎn)生枝晶，枝晶可能會(huì)刺穿正負(fù)電極中間的塑料隔膜，進(jìn)而造成短路引發(fā)電池著火。通過研究鋰枝晶的生長過程進(jìn)而找到解決方案，提升鋰電池的安全性。
2.制作柔性電池。通過把電池做成類脊椎狀結(jié)構(gòu)，然后把硬的部分和軟的部分連接起來，可增加電池的柔性?？梢杂糜谌嵝噪娮赢a(chǎn)品，例如智能手表的表帶，柔性顯示屏等等。
同步輻射光源+大數(shù)據(jù)+AI+新材料
一同參加青創(chuàng)聯(lián)盟線上研討會(huì)的青創(chuàng)聯(lián)盟成員還有美國阿貢國家實(shí)驗(yàn)室物理學(xué)家同時(shí)也是本次研討會(huì)的主持人周華、清華大學(xué)計(jì)算機(jī)系副教授崔鵬、休斯頓大學(xué)電氣工程及材料科學(xué)工程系副教授姚彥。
幾位專家就如何提高電池能力密度和壽命等專業(yè)領(lǐng)域進(jìn)行了探討，具體內(nèi)容如下：
楊遠(yuǎn)：如果下一代同步輻射光源亮度增強(qiáng)數(shù)十倍，能否檢測(cè)到電解液中的輕元素？研究會(huì)有哪些幫助？同步輻射光源對(duì)電池研究會(huì)有哪些幫助，如何利用它來全面地表征電池的反應(yīng)？
周華：輕元素是個(gè)物理本質(zhì)上地問題，光源更亮可能幫助不大。因?yàn)閄-Ray是基于電子的，鋰和氫這種輕的元素，光源強(qiáng)度再強(qiáng)在本質(zhì)上幫助不大。但是亮度增加帶來了一些新的技術(shù)，如基于相干成像的一些成像和動(dòng)力學(xué)的手段。
電池體系比較復(fù)雜，電池性能的失效過程是有相關(guān)性的，一個(gè)區(qū)的失效和另一個(gè)區(qū)的失效可能有一定的關(guān)聯(lián)性。在未來的一些關(guān)聯(lián)上的相干X射線會(huì)提供一定的幫助。
在時(shí)間尺度上可以用更快的方式拍照，看得更精準(zhǔn)一些。同時(shí)聚焦也更容易，成像會(huì)更三維和動(dòng)態(tài)，對(duì)電池這些復(fù)雜的體系來說表征就更容易，而且未來的表征會(huì)更多元化。
楊遠(yuǎn)：如果人工提取一些具有物理含義的特征，然后把它作為一個(gè)參數(shù)把譜線輸入到數(shù)據(jù)模擬里面，如何使用數(shù)據(jù)分析來預(yù)測(cè)電池的性能？
崔鵬：如果說我們的唯一目標(biāo)就是要做一個(gè)預(yù)測(cè)。比如說就是想預(yù)測(cè)電池到底哪個(gè)部分是壞的，哪是好的，或者是說它的性能到底是能夠達(dá)到多少。
在訓(xùn)練數(shù)據(jù)量足夠的情況下，比如提取一千萬條譜線再選擇六個(gè)參數(shù)（噪音水平、峰位、峰高等），再加上比較好的一些機(jī)器學(xué)習(xí)的算法。我相信會(huì)比現(xiàn)在的這六個(gè)參數(shù)的性能要好。
但如果還要知道為什么，machine learning就沒有辦法去告訴他到底為什么會(huì)這樣。在百萬量級(jí)的參數(shù)空間里我們沒有辦法很好的去解釋這個(gè)模型。
但通過大規(guī)模數(shù)據(jù)的驅(qū)動(dòng)，我們能發(fā)現(xiàn)一些原來經(jīng)典學(xué)科推理不出來的一些動(dòng)力學(xué)的定律。那這個(gè)方向和電池這種交叉性的研究可能會(huì)貼得更近一些。
在這種情境下我們要能夠從大規(guī)模數(shù)據(jù)里面去發(fā)現(xiàn)一些新的定律出來。這就要依賴于一些新的一些模式或定律的發(fā)現(xiàn)，進(jìn)而能夠促進(jìn)電池性能上有進(jìn)一步的提升。
楊遠(yuǎn)：電池電解液離子的分布以及鋰枝晶的生長速度和表面的離子分布的相關(guān)性研究，有沒有簡單的方法把電池?cái)?shù)據(jù)和圖像讀取進(jìn)去，然后利用deep learning 自動(dòng)地去找一些特征的feature？
崔鵬：原來我們處理圖像的方式是人為的定義一些特征，比如抽取譜線的角點(diǎn)，抽取這里面的SIFT或者Gabor、小波等特征。然后設(shè)計(jì)出來一個(gè)維度相對(duì)可控的特征集，就可以在一個(gè)合適的尺度范圍內(nèi)找到一個(gè)合理的解。
但deep learning如果不抽取任何特征，把千萬條譜線全部輸入進(jìn)去，會(huì)帶來一個(gè)問題就是空間維度非常高。
所以deep learning要成功必須要有兩個(gè)因素：第一個(gè)就是你的數(shù)據(jù)量要充分；第二個(gè)就是你的算力要足夠到能夠處理這么大規(guī)模的數(shù)據(jù)和這么高維的空間。
