Modeling phase transformations in Mn-rich disordered rocksalt cathodes with machine learning interatomic potentials

Cette étude emploie des potentiels interatomiques d'apprentissage automatique pour révéler que les cathodes de type sel gemme désordonnées riches en Mn subissent une transformation de phase en une structure de type spinelle pilotée par la migration des métaux de transition plutôt que par la formation de Mn$^{2+}$, ce qui entraîne une amélioration de la cinétique de transport du lithium et une capacité plus élevée.

L'essentiel

Imaginez une batterie comme une ville bouillonnante où les ions lithium sont les usagers des transports, et la cathode de la batterie est un immense immeuble d'appartements bondé. Depuis des années, les scientifiques tentent de construire de meilleurs bâtiments pour ces usagers. Un design prometteur est appelé bâtiment à « roche saline désordonnée » (DRX). C'est comme un complexe d'appartements chaotique où les résidents (manganèse, titane et autres atomes) sont jetés au hasard, sans aucune règle précise sur qui habite où.

Le problème est que dans ce bâtiment chaotique, les usagers lithium se retrouvent parfois coincés, ce qui ralentit la batterie et la rend moins puissante. Cependant, des expériences récentes ont montré qu'un phénomène magique se produit : après avoir été utilisée quelques fois (chargée et déchargée), ce bâtiment chaotique se réorganise spontanément en une structure plus organisée, de type « spinelle ». Cette nouvelle structure permet au lithium de se déplacer beaucoup plus vite, boostant ainsi les performances de la batterie.

La grande question était : Comment ce bâtiment désordonné se nettoie-t-il magiquement, et que se passe-t-il exactement à l'intérieur ?

C'est ici que les chercheurs, dirigés par Peichen Zhong et Gerbrand Ceder, sont intervenus. Ils ne pouvaient pas observer cela en temps réel car cela se produit trop vite et à une échelle trop petite pour l'œil humain. Au lieu de cela, ils ont construit un jumeau numérique super intelligent de ce bâtiment en utilisant un type d'intelligence artificielle appelée « Potentiel Interatomique par Apprentissage Automatique » (MLIP).

Voici une décomposition simple de ce qu'ils ont découvert :

1. L'« Architecte Intelligent » (Le modèle d'IA)

Les simulations informatiques traditionnelles reviennent à essayer de calculer le poids de chaque brique d'un bâtiment à la main : cela prend un temps infini et est trop lent pour voir l'ensemble du tableau. Les chercheurs ont utilisé une IA pré-entraînée (appelée CHGNet) qui avait déjà appris les lois fondamentales de la physique pour de nombreux matériaux. Ils ont ensuite « affiné » cette IA spécifiquement pour leur matériau de batterie riche en manganèse.

Considérez cette IA comme un super-architecte capable de prédire exactement comment chaque atome va bouger et réagir, mais elle le fait des millions de fois plus vite que les méthodes traditionnelles. Cela leur a permis de faire tourner une simulation qui dure une « nanoseconde » (un milliardième de seconde), ce qui représente une éternité dans le monde des atomes.

2. Le Grand Réarrangement (Transformation de phase)

Ils ont commencé leur simulation avec le bâtiment chaotique et désordonné. En regardant le « film » du mouvement des atomes :

• La Migration : Les atomes de manganèse (les meubles lourds dans notre analogie d'appartement) ont commencé à se déplacer. Ils sont passés de leurs emplacements aléatoires à des rangées spécifiques et organisées.
• Le Déclencheur : Une théorie commune voulait que ces atomes ne bougeaient que parce qu'ils changeaient de charge électrique (comme une personne qui changerait d'humeur). Cependant, la simulation par l'IA a révélé un rebondissement : les atomes ont commencé à bouger avant d'avoir totalement changé de charge.
• Le Résultat : Les atomes de manganèse se sont organisés selon un motif spécifique (la phase « spinelle » ou δ). Une fois ce motif établi, les atomes se sont installés dans un nouvel état d'énergie plus basse. C'est comme une chambre en désordre qui prend soudainement une disposition parfaite et organisée parce que les meubles ont trouvé une place plus confortable.

3. L'Effet « Autoroute » (Pourquoi c'est meilleur)

La découverte la plus importante concernait les « routes » à l'intérieur du bâtiment.

• Dans le bâtiment désordonné, les usagers lithium devaient naviguer à travers des chemins étroits et obstrués.
• Dans le nouveau bâtiment organisé, les atomes de manganèse se sont écartés pour créer de larges autoroutes ouvertes (appelées canaux « 0-TM ») où ne se trouvent que du lithium et du vide.
• L'Analogie : Imaginez un couloir bondé où des gens bloquent le passage. Si ces personnes s'écartent et forment une ligne ordonnée, un chemin clair s'ouvre pour que les intervenants d'urgence (les ions lithium) puissent passer en trombe. C'est pourquoi la batterie devient plus rapide et contient plus d'énergie.

4. Le Mystère de la Charge

Les chercheurs ont également observé l'« humeur » (l'état de valence) des atomes de manganèse. Ils ont découvert que, bien que certains atomes de manganèse aient changé de charge (devenant « Mn2+ »), cela s'est produit après que la structure a déjà commencé à s'organiser.

• Vieille Théorie : Les atomes changeaient d'humeur d'abord, ce qui les forçait à bouger.
• Nouvelle Découverte : Les atomes ont bougé d'abord pour organiser le bâtiment, et ensuite leurs humeurs ont changé pour correspondre au nouvel ordre. L'organisation a causé le changement de charge, et non l'inverse.

5. La Performance de la Batterie

Enfin, ils ont simulé le comportement électrique de la batterie.

• L'Ancien Bâtiment Désordonné : Lorsque vous essayiez de charger, la tension (la « pression » poussant le lithium) montait et descendait de manière erratique, comme un trajet cahoteux.
• Le Nouveau Bâtiment Organisé : La tension est devenue fluide et constante, comme une croisière sur l'autoroute.
• La Capacité : La nouvelle structure pouvait contenir plus de lithium que l'original désordonné, et elle pouvait le faire sans le stress structurel qui casse habituellement les batteries au fil du temps.

Résumé

En bref, ce papier a utilisé une IA ultra-rapide pour observer un matériau de batterie chaotique se réorganiser en une structure ordonnée et hautement efficace. Ils ont découvert que les atomes se déplacent d'abord pour créer une meilleure configuration, et que les changements électriques suivent. Cette nouvelle disposition crée des « autoroutes » pour le lithium, rendant la batterie plus rapide, plus forte et plus stable. C'est un peu comme regarder une foule chaotique former spontanément une file d'attente ordonnée, créant un chemin dégagé pour que tout le monde puisse circuler plus vite.

Résumé technique

Résumé technique : Modélisation des transformations de phase dans les cathodes de type roche saline désordonnée riches en Mn à l'aide de potentiels interatomiques d'apprentissage automatique

Énoncé du problème
Les matériaux de cathode de type roche saline désordonnée (DRX) riches en Mn, tels que le Li$_x$Mn$_{0,8}$Ti$_{0,1}$O$_{1,9}$F$_{0,1}$, présentent une transformation de phase in situ bénéfique d'une structure désordonnée vers une phase partiellement désordonnée de type spinelle (nommée phase $\delta$) lors des cycles électrochimiques. Cette transformation est associée à une augmentation de la capacité et de la capacité de régime (rate capability). Cependant, les mécanismes à l'échelle atomique qui pilotent cette transition — spécifiquement la dynamique couplée de la migration des métaux de transition (TM), de l'évolution de l'état de charge et de l'ordonnancement cationique — sont difficiles à modéliser. Les méthodes conventionnelles ab initio sont trop coûteuses en calcul pour les échelles de temps et de longueur requises, tandis que les modèles classiques d'expansion de clusters (CE) manquent d'expressivité pour capturer les processus dynamiques complexes couplés à la charge et les barrières de migration dans des environnements locaux diversifiés.

Méthodologie
Les auteurs ont employé un flux de travail computationnel multi-étapes centré sur un potentiel interatomique d'apprentissage automatique (MLIP) affiné, basé sur l'architecture CHGNet.

1. Construction du jeu de données : Un échantillonnage complet de l'espace chimique Li–Mn–Ti–O–F a été réalisé via des calculs r2SCAN-DFT. Cela comprenait :
   • Des composés stables existants provenant du Materials Project et de jeux de données DRX-CE antérieurs.
   • Des structures partiellement désordonnées générées sur mesure avec divers degrés d'ordonnancement de type spinelle, créées via des simulations de Monte Carlo (MC) et des protocoles d'échange de sites.
   • Un échantillonnage spécifique des voies de migration des TM (octaédrique-tétraédrique-octaédrique, ou o-t-o, et chemins directs o-o) à différents niveaux de délithiation pour capturer les événements à haute barrière énergétique.
2. Entraînement du modèle : Un « Trial-CHGNet » a été initialement affiné sur des trajectoires de relaxation. Par la suite, un « Sample-CHGNet » a été paramétré à l'aide de calculs DFT statiques des voies de migration échantillonnées et de trajectoires de dynamique moléculaire (MD) pour améliorer l'échantillonnage des configurations thermiquement excitées. Enfin, un « Product-CHGNet » a été affiné sur un ensemble d'entraînement de 88 852 structures, atteignant des erreurs de test d'environ 2 meV/atome (énergie) et 68 meV/Å (force).
3. Simulation : Des simulations de dynamique moléculaire (MD) chargées par la charge ont été menées sur un système Li$_{0,6}$Mn$_{0,8}$Ti$_{0,1}$O$_{1,9}$F$_{0,1}$ délithié à 1273 K. Le MLIP utilisait les moments magnétiques prédits comme substitut de la charge atomique pour déduire dynamiquement les états de valence (Mn$^{2+}$, Mn$^{3+}$, Mn$^{4+}$).
4. Analyse électrochimique : Les profils de tension pour la phase $\delta$ transformée, la phase DRX originale et une phase spinelle totalement ordonnée ont été calculés en construisant des enveloppes convexes de configurations de lacunes de Li et en analysant les réactions d'intercalation.

Résultats clés

• Mécanisme de transformation de phase : Les simulations MD ont capturé avec succès la transition de la roche saline désordonnée vers la phase $\delta$ de type spinelle. La transformation est thermodynamiquement favorisée, comme en témoigne une réduction de l'énergie d'environ 60 meV/anion.
• Séquence de migration et d'ordonnancement : L'étude révèle une séquence spécifique d'événements :
  • La migration du Mn s'initie principalement par le mouvement du Mn$^{3+}$ à travers des sites tétraédriques, se produisant avant l'établissement d'un ordonnancement de type spinelle à longue distance.
  • L'émergence du Mn$^{2+}$ tétraédrique est une conséquence de l'ordonnancement de type spinelle, plutôt que le déclencheur de la migration cationique.
  • La structure transformée présente une concentration plus élevée de canaux de partage de faces sans métal de transition (0-TM) (sites tétraédriques entourés uniquement de Li ou de lacunes), qui sont critiques pour la percolation du Li.
• Signatures électrochimiques :
  • Contrairement au spinelle ordonné Li$_x$MnO$_2$, qui présente une réaction biphasique avec un saut de tension net (> 1 V) lors de la délithiation en dessous de $x \approx 0,6$, la phase $\delta$ maintient un comportement de solution solide avec un pseudo-plateau à basse tension.
  • La phase $\delta$ démontre une capacité de Li plus élevée, dérivée de la réaction de conversion 0-TM vers tétraédrique-Li, par rapport aux phases DRX et spinelle totalement ordonnée.
  • La phase DRX montre une capacité restreinte autour de 3 V en raison de l'absence de canaux 0-TM et d'une pente de tension plus raide.

Signification et revendications
L'article affirme fournir des informations à l'échelle atomique sur la transformation de phase solide dans les cathodes DRX riches en Mn et sur leur relation directe avec l'électrochimie expérimentale. Les auteurs soulignent que leur travail démontre le potentiel des MLIP, spécifiquement le CHGNet informé par la charge, pour modéliser des matériaux oxydes complexes où la dynamique de charge et l'évolution structurelle sont étroitement couplées. En résolvant les écarts d'échelle de temps entre la disproportionation de charge et le saut ionique, l'étude remet en question la notion précédente selon laquelle la formation de Mn$^{2+}$ déclenche la migration, suggérant au contraire qu'elle suit l'établissement de l'ordonnancement de type spinelle. Ce travail offre une compréhension mécaniste de la manière dont le désordre cationique partiel élimine les réactions biphasiques préjudiciables tout en améliorant la cinétique de transport du Li et la capacité, validant l'utilité des MLIP pour l'étude de matériaux énergétiques complexes.