Vibrational, structural, and chemical fingerprints of ion diffusion in crystalline solids

Auf der Suche nach besseren Batterien suchen Wissenschaftler nach Materialien, die Ionen – geladene Atome wie Lithium – schnell und effizient bewegen können. Stellen Sie sich einen festen Block eines Materials vor, durch den diese Ionen so mühelos gleiten können wie in einer Flüssigkeit. Dies ist der „Heilige Gral“ der Festkörperbatterien, die versprechen, sicherer und leistungsstärker zu sein als die Lithium-Ionen-Batterien in unseren Telefonen und Autos von heute. Der Schlüssel zur Entdeckung dieser Materialien liegt im Verständnis der Geschwindigkeit, mit der sich die Ionen bewegen, eine Eigenschaft, die als Selbstdiffusivität bezeichnet wird. Traditionell erfordert die Bestimmung der Geschwindigkeit, mit der sich ein Ion innerhalb eines Kristalls bewegt, das Durchführen massiver Computersimulationen, die die Bewegung jedes Atoms über die Zeit verfolgen. Da sich Ionen langsam und erratisch bewegen, müssen diese Simulationen sehr lange laufen, um ein genaues Ergebnis zu erhalten, was oft Tage oder sogar Wochen an Rechenzeit für ein einziges Material beansprucht. Diese Langsamkeit macht es nahezu unmöglich, die Tausenden von potenziellen Materialien zu prüfen, die man benötigt, um das perfekte zu finden.

Ein Forscherteam am Massachusetts Institute of Technology hat einen Weg gefunden, diesen Engpass zu umgehen. Anstatt darauf zu warten, dass die langsame, vollständige Simulation der Ionenbewegung abgeschlossen ist, haben sie eine Methode entwickelt, um vorherzusagen, wie schnell sich Ionen bewegen werden, indem sie die „Fingerabdrücke“ des Materials aus einer sehr kurzen Simulation betrachten. Sie erkannten, dass sich zwar die tatsächliche Bewegung der Ionen erst nach langer Zeit in ein vorhersagbares Muster einpendelt, andere Eigenschaften des Materials jedoch fast augenblicklich stabil werden. Zu diesen Eigenschaften gehören, wie die Atome vibrieren, wie sie im Raum angeordnet sind und die chemische Natur der Atome selbst. Durch das Training eines Computermodells, das die Verbindung zwischen diesen schnell messbaren Fingerabdrücken und der endgültigen Geschwindigkeit der Ionen erkennt, können die Forscher nun die Ionenbewegung mit hoher Genauigkeit vorhersagen und dabei nur einen Bruchteil der Rechenleistung verwenden, die zuvor erforderlich war.

Die Forscher konzentrierten sich auf eine spezifische Herausforderung: die Unterscheidung zwischen Materialien, in denen Ionen feststecken, und solchen, in denen sie frei fließen. Sie sammelten Daten über Tausende von verschiedenen festen Materialien, die Ionen leiten. Für jedes Material führten sie eine kurze Computersimulation durch, die lediglich fünf Pikosekunden dauerte – eine Zeitspanne, die so kurz ist, dass sie nur eine Billionstel Sekunde umfasst. Aus diesem flüchtigen Schnappschuss extrahierten sie zwei Hauptarten von Informationen. Erstens betrachteten sie die Schwingungszustandsdichte (vibrational density of states), was im Wesentlichen eine Karte davon ist, wie die Atome im Material bei unterschiedlichen Geschwindigkeiten zittern oder vibrieren. Zweitens untersuchten sie die radiale Verteilungsfunktion, ein Maß dafür, wie weit die Ionen relativ zueinander verteilt sind, was offenbart, ob sie in einer starren Struktur eng gepackt sind oder sich freier wie in einer Flüssigkeit bewegen.

Um diese Daten zu interpretieren, setzte das Team eine Art künstlicher Intelligenz namens neuronales Netz ein. Sie brachten dieses Netzwerk dazu, die Fingerabdrücke aus der kurzen Simulation zu analysieren und die endgültige, langfristige Geschwindigkeit der Ionen zu erraten. Dem Netzwerk wurden auch Informationen über die Chemie des Materials gegeben, wie etwa welche Elemente vorhanden sind und wie diese miteinander verbunden sind. Das Ziel war es zu sehen, ob das Modell die verborgenen Regeln lernen kann, die das schnelle, chaotische Zittern der Atome mit dem langsamen, stetigen Driften der Ionen verbinden. Die Ergebnisse waren beeindruckend. Das Modell konnte die endgültige Ionengeschwindigkeit mit einem hohen Grad an Genauigkeit vorhersagen und erreichte einen durchschnittlichen Fehler von weniger als einer halben Einheit auf einer logarithmischen Skala, was eine sehr geringe Abweichung für einen so komplexen physikalischen Prozess darstellt. Es ordnete die Materialien korrekt ein und identifizierte die schnellen Leiter sowie die langsamen Leiter mit einer starken Korrelation.

Eine der wichtigsten Entdeckungen war, dass das Modell nicht darauf warten musste, dass die Ionen tatsächlich von einem Ort zum anderen springen, um eine Vorhersage zu treffen. In vielen der Materialien, insbesondere in den langsamen, bewegen sich die Ionen während eines Fensters von nur fünf Pikosekunden möglicherweise überhaupt nicht. Dennoch konnte das Modell dennoch sagen, wie schnell sie sich bewegen würden, wenn man ihnen genügend Zeit gäbe. Dies liegt daran, dass die kurze Simulation die „Steifigkeit“ der Umgebung um die Ionen herum erfasste. In Materialien mit hoher Leitfähigkeit sind die Atome, die die beweglichen Ionen umgeben, lose gekoppelt, was es den Ionen ermöglicht, leicht hindurchzugleiten. In langsamen Materialien sind die umgebenden Atome fest an ihrem Platz fixiert, was einen starren Käfig bildet, der die Ionen gefangen hält. Das Modell lernte, diese subtilen Unterschiede in den Vibrations- und Strukturmustern zu lesen und erkannte somit das Potenzial für Bewegung, noch bevor sie stattfand.

Die Forscher untersuchten auch, wie die beweglichen Ionen mit dem umgebenden Gerüst des Kristalls interagieren. Sie fanden heraus, dass in Materialien, in denen Ionen schnell wandern, die Vibrationen der beweglichen Ionen weitgehend unabhängig von den Vibrationen der umgebenden Atome sind. Die Ionen sind entkoppelt und bewegen sich eigenständig. Im Gegensatz dazu sind die Ionen in langsamen Materialien eng mit dem umgebenden Gerüst synchronisiert und in einen gemeinsamen Rhythmus eingebunden, der sie daran hindert, auszubrechen. Diese Entkopplung ist ein Schlüsselmerkmal eines guten Leiters. Die Studie bestätigte zudem, dass die Anordnung der Ionen, gemessen daran, wie wahrscheinlich es ist, sie in bestimmten Abständen zueinander zu finden, in schnellen Leitern einem spezifischen Muster folgt, das einer Flüssigkeit ähnelt, während langsame Leiter eine starre, festkörperähnliche Ordnung beibehalten.

Durch die Kombination dieser vibrierten, strukturellen und chemischen Hinweise schuf das Team ein universelles Werkzeug für das Screening von Materialien. Anstatt Simulationen durchzuführen, die Tage brauchen, um zu konvergieren, können Forscher nun eine Simulation von nur fünf Pikosekunden durchführen und eine zuverlässige Vorhersage der Leistung des Materials erhalten. Dieser Ansatz spart nicht nur Zeit, sondern verändert die Strategie der Entdeckung. Er ermöglicht es Wissenschaftlern, tausende schlechte Kandidaten schnell auszusortieren und ihre Ressourcen auf die wenigen Materialien zu konzentrieren, die vielversprechend sind. Das Modell wurde an einem Datensatz von über viertausend Materialien getestet und erwies sich über ein breites Spektrum von Temperaturen und chemischen Zusammensetzungen hinweg als robust. Es sagte die Ionengeschwindigkeit für Materialien, die als schnelle Leiter bekannt sind, sowie für solche, die als langsame bekannt sind, erfolgreich voraus, ohne die Antwort im Voraus kennen zu müssen.

Die Auswirkungen auf die Entwicklung von Batterien sind erheblich. Das Finden neuer Festkörperelektrolyte war bisher ein langsamer Prozess, da die rechnerische Kosten für das Testen jedes Kandidaten zu hoch waren. Mit dieser neuen Methode wird der Screening-Prozess schnell und effizient. Die Forscher demonstrierten, dass ihr Modell die Ionengeschwindigkeit mit einer Genauigkeit vorhersagen kann, die mit dem Durchführen einer viel längeren Simulation vergleichbar ist, jedoch in einem Bruchteil der Zeit. Dies bedeutet, dass die Suche nach dem perfekten Festkörperbatterie-Material von einem langsamen, manuellen Prozess zu einem schnellen, automatisierten Prozess werden kann. Die Arbeit unterstreicht, dass die Antwort auf ein langsames, komplexes Problem oft in den schnellen, entstehenden Mustern des Systems zu finden ist, sofern man weiß, wie man sie liest. Die Studie behauptet nicht, das Problem des Batteriedesigns vollständig gelöst zu haben, aber sie bietet eine leistungsstarke neue Linse, durch die man die riesige Landschaft potenzieller Materialien betrachten kann und so eine jahrelange Suche in eine Angelegenheit von Tagen oder gar Stunden verwandelt.