BattMo -- Battery Modelling Toolbox

Este artículo presenta BattMo, un conjunto de herramientas de volumen finito basado en MATLAB y flexible para simular diversas celdas de baterías electroquímicas que admite geometrías 3D, modelos térmicos y de degradación acoplados y parametrización conforme a los principios FAIR, al tiempo que permite una optimización eficiente basada en gradientes mediante diferenciación automática.

Lo esencial

Imagina que estás intentando construir una mejor batería, pero en lugar de construir prototipos físicos hechos de metal y productos químicos (lo cual es caro, lento y desordenado), quieres construirlos dentro de una computadora. Eso es exactamente lo que hace BattMo.

Piensa en BattMo como un "set de Lego para científicos de baterías".

Así es como funciona, desglosado en ideas simples:

1. El Plano (El sistema "JSON" y "Graph")

Normalmente, cambiar el diseño de una batería en un programa informático es como intentar reescribir todo el diccionario solo para cambiar una palabra. BattMo es diferente.

• La Ficha de la Receta: Le dices al software cómo es tu batería y de qué está hecha usando un archivo de texto sencillo (llamado JSON). Es como completar un formulario donde dices: "Quiero una batería cilíndrica hecha de este tipo específico de litio".
• El Diagrama de Flujo: Dentro de la computadora, la batería no es solo una masa de código; se construye como un diagrama de flujo o un grafo computacional. Imagina un árbol genealógico donde los "padres" son las leyes de la física y los "hijos" son los resultados. Si quieres cambiar cómo se calienta la batería, simplemente cambias una rama del árbol sin romper toda la familia. Esto hace que sea muy fácil mezclar y combinar diferentes ideas.

2. El Simulador (El "Laboratorio Virtual")

Una vez que construyes tu batería virtual, BattMo actúa como un simulador de alta velocidad.

• Modelado 3D: No solo observa una sección plana de la batería; construye un modelo 3D completo. Ya sea que tu batería sea una moneda plana, un rollo enrollado o un gran bloque rectangular, BattMo puede visualizarla en 3D.
• El Factor "Calor": No solo rastrea la electricidad; también rastrea el calor. Simula cómo la batería se calienta mientras se carga y cómo se enfría mientras está en reposo, todo al mismo tiempo.
• El Observador del "Envejecimiento": Incluso puede predecir cómo envejece la batería. Simula cosas como la acumulación de una capa de suciedad (llamada capa SEI) en el interior, o cómo los materiales de silicio se hinchan como una esponja cuando absorben energía.

3. El "Tutor Inteligente" (Calibración y Optimización)

Una de las partes más difíciles de la ciencia de las baterías es adivinar los números correctos para los materiales.

• El Ajustador Automático: BattMo tiene un "tutor inteligente" integrado que utiliza una técnica llamada diferenciación automática. Imagina que estás intentando sintonizar una radio para obtener la señal más clara. BattMo puede calcular instantáneamente exactamente qué perillas girar para lograr la coincidencia perfecta entre tu modelo computacional y los experimentos del mundo real. Esto ahorra a los investigadores semanas de conjeturas y pruebas.

4. ¿Para quién es esto?

• Los Expertos: Diseñadores de baterías que quieran probar 50 formas diferentes en una hora en lugar de construir 50 prototipos físicos.
• Los Estudiantes: Principiantes que quieran ver cómo se mueven la electricidad y el calor dentro de una batería sin necesidad de tener un doctorado para entender el código.
• Los Desarrolladores: Personas que quieran integrar esta herramienta en sus propios flujos de trabajo de software.

5. ¿Qué lo hace especial?

Aunque existen otras herramientas (como PyBaMM), BattMo es único porque:

• Fue construido desde cero para manejar formas 3D y calor de forma conjunta desde el principio.
• Está construido sobre una base llamada MRST (un conjunto de herramientas utilizado originalmente para reservorios de petróleo), lo que significa que es muy bueno resolviendo problemas matemáticos complejos de forma rápida.
• Es abierto y flexible. Puedes intercambiar el "motor" (las ecuaciones matemáticas) fácilmente, tal como se cambia el motor de un coche, para probar nuevas químicas de baterías.

En Resumen

BattMo es un taller digital donde puedes diseñar, construir y probar baterías en 3D. Utiliza un sistema modular basado en bloques que permite a los científicos intercambiar piezas fácilmente, predecir cómo envejecerán las baterías y ajustar automáticamente sus diseños para que coincidan con la realidad, todo esto sin necesidad de construir una sola batería física en el mundo real.

Nota: Este software está siendo utilizado actualmente en importantes proyectos de investigación europeos (como HYDRA y BATMAX) para diseñar nuevos tipos de baterías para vehículos eléctricos y almacenamiento de energía, pero el artículo se centra en la herramienta en sí, no en los productos específicos que creará en el futuro.

Resumen técnico

Resumen Técnico de BattMo: Battery Modelling Toolbox

Planteamiento del Problema
El desarrollo de sistemas electroquímicos de alto rendimiento, particularmente baterías de Li-ion y post-Li-ion, es crítico para la transición energética eléctrica. Sin embargo, la creación de flujos de trabajo digitales rigurosos para reducir el prototipado físico y extraer información de los datos sigue siendo un desafío. Los modelos basados en la física existentes suelen tener dificultades con la calibración de parámetros y, si bien existen marcos de código abierto como PyBaMM, cideMOD y LIONSIMBA, estos enfrentan limitaciones específicas. Por ejemplo, PyBaMM ha habilitado recientemente (a partir de 2025) simulaciones en 2D y 3D y típicamente depende de un paquete externo (PyBOP) para la calibración y optimización. Del mismo modo, cideMOD soporta simulaciones en 3D pero carece de diferenciación automática, lo que dificulta el manejo de sistemas no lineales complejos y la optimización de diseño. Existe la necesidad de un marco flexible que soporte nativamente simulaciones electroquímicas-térmicas en 3D totalmente acopladas, una calibración de parámetros eficiente mediante métodos adjuntos y una arquitectura modular para la extensión de modelos.

Metodología
BattMo es un marco de modelado continuo de volúmenes finitos flexible implementado en MATLAB® (con esfuerzos de compatibilidad para Octave). Aprovecha el MATLAB Reservoir Simulation Toolbox (MRST) para el mallado, la resolución de grandes sistemas no lineales y la visualización, utilizando métodos fundamentales robustos de volúmenes finitos de bajo orden y discretización temporal implícita completa.

• Arquitectura del Modelo: El marco emplea un diseño jerárquico basado en grafos. Cada modelo corresponde a un grafo computacional donde los nodos representan variables y las aristas dirigidas representan relaciones funcionales. Esta estructura permite la modularidad; el acoplamiento de modelos se logra creando un nuevo modelo de acoplamiento que contiene los modelos existentes como subgrafos, añadiendo aristas para los mecanismos de acoplamiento mientras se dejan los submodelos prácticamente sin cambios.
• Entrada e Interoperabilidad: Las entradas de simulación, incluyendo parámetros de materiales y descripciones geométricas, se especifican mediante esquemas JSON. Este enfoque se adhiere a las directrices de la Ontología de Interfaz de Baterías (BattINFO) para soportar la interoperabilidad semántica y los principios FAIR.
• Física y Química: El modelo central se basa en el enfoque Doyle-Fuller-Newman (DFN). BattMo incluye simulaciones térmicas totalmente acopladas y soporta diversos mecanismos de degradación, tales como el crecimiento de la capa SEI (usando los modelos Safari y Bolay) y la formación de litio (lithium plating). También maneja materiales compuestos (por ejemplo, mezclas de Silicio-Grafito) y la expansión de Silicio (silicon swelling).
• Solucionador y Optimización: El solucionador utiliza diferenciación automática para soportar la computación adjunta. Esta capacidad permite el cálculo eficiente de las derivadas de la función objetivo con respecto a todos los parámetros, permitiendo rutinas de optimización basadas en gradientes para calibrar los modelos contra datos experimentales.
• Geometría: El toolbox soporta geometías 1D, 2D y 3D, incluyendo diseños parametrizados para celdas cilíndricas, prismáticas, de botón (coin), de rollo de gelatina (jelly roll) y de múltiples bolsas (multi-pouch) con diversos layouts de terminales (tabs).

Contribuciones Clave

• Simulación 3D Nativa y Acoplada: A diferencia de algunos predecesores, BattMo está diseñado desde sus bases para simulaciones electroquímicas-térmicas acopladas en 3D sin requerir paquetes externos para la funcionalidad principal.
• Calibración Basada en Métodos Adjuntos: La integración de la diferenciación automática y la computación adjunta proporciona un método eficiente para calibrar modelos de baterías complejos a partir de datos experimentales, abordando un cuello de botella común en el modelado basado en la física.
• Diseño Modular Basado en Grafos: El enfoque de grafo computacional facilita la extensión y el acoplamiento de modelos, permitiendo a los investigadores modificar fácilmente las ecuaciones subyacentes e integrar nuevos modelos de degradación o de materiales.
• Entrada Estandarizada: El uso de esquemas JSON alineados con BattINFO asegura que las definiciones de los modelos sean estructuradas, reproducibles e interoperables.
• Ecosistema: El artículo presenta la "familia BattMo", que incluye la versión de MATLAB, una versión de Julia (BattMo.jl), un wrapper de Python (PyBattMo) y una aplicación web (BattMoApp).

Resultos y Capacidades
El artículo presenta a BattMo como un toolbox funcional con una librería de geometrías de batería parametrizadas y un conjunto de ejemplos documentados. Demuestra la capacidad de:

• Simular diversas químicas de batería (NMC, NCA, LFP, LNMO, SiGr) y formatos (botón, bolsa, cilíndrica).
• Realizar optimización de diseño sobre geometría y parámetros.
• Soportar protocolos de prueba estándar (CC, CV, CCCV) y entradas de series temporales.
• Modelar fenómenos específicos incluyendo el crecimiento de SEI, plating y expansión de silicio.
• Extender la funcionalidad a otros sistemas electroquímicos, tales como electrolizadores de membrana alcalina y modelos de membrana de cerámica de protones.

Significancia e Impacto
Los autores posicionan a BattMo como una herramienta para el desarrollo reproducible de celdas de batería en la investigación y la educación. Su significancia radica en su capacidad para apoyar tanto a diseñadores experimentados que optimizan diseños virtuales como a principiantes que buscan comprender procesos fundamentales. El software ya ha sido utilizado en varios proyectos comerciales y no comerciales, incluyendo iniciativas financiadas por la UE como HYDRA, BATMAX, IntelLiGent, BIG-MAP y DigiBatt. En estos contextos, se ha utilizado para modelar novedosas celdas de LNMO así como celdas comerciales de LFP y NMC tanto en configuraciones 1D como 3D. Al combinar un marco modular con entradas estandarizadas y capacidades avanzadas de optimización, BattMo pretende reducir la dependencia del prototipado físico y mejorar la validez y reproducibilidad de los hallazgos de la investigación en baterías.