BattMo -- Battery Modelling Toolbox

Questo articolo introduce BattMo, un toolbox basato su MATLAB a volumi finiti e flessibile per la simulazione di diverse celle elettrochimiche di batterie che supporta geometrie 3D, modelli termici e di degradazione accoppiati e la parametrizzazione conforme ai principi FAIR, consentendo al contempo un'efficiente ottimizzazione basata sul gradiente attraverso la differenziazione automatica.

L'essenziale

Immagina di voler costruire una batteria migliore, ma invece di costruire prototipi fisici fatti di metallo e sostanze chimiche (che è costoso, lento e disordinato), vuoi costruirli all'interno di un computer. È esattamente ciò che fa BattMo.

Pensa a BattMo come a un "set Lego per scienziati delle batterie."

Ecco come funziona, suddiviso in idee semplici:

1. Il Progetto (Il sistema "JSON" e "Graph")

Di solito, cambiare il design di una batteria in un programma per computer è come cercare di riscrivere l'intero dizionario solo per cambiare una parola. BattMo è diverso.

• La Scheda della Ricetta: Dici al software come è fatta la tua batteria e di cosa è composta usando un semplice file di testo (chiamato JSON). È come compilare un modulo in cui dici: "Voglio una batteria cilindrica fatta di questo specifico tipo di litio".
• Il Diagramma di Flusso: All'interno del computer, la batteria non è solo una massa di codice; è costruita come un diagramma di flusso o un grafo computazionale. Immagina un albero genealogico dove i "genitori" sono le leggi della fisica e i "figli" sono i risultati. Se vuoi cambiare il modo in cui la batteria si scalda, puoi semplicemente sostituire un ramo dell'albero senza rompere l'intera famiglia. Questo rende molto facile mescolare e abbinare diverse idee.

2. Il Simulatore (Il "Laboratorio Virtuale")

Una volta costruito la tua batteria virtuale, BattMo agisce come un simulatore ad alta velocità.

• Modellazione 3D: Non si limita a guardare una sezione piatta della batteria; costruisce un modello 3D completo. Che la tua batteria sia una moneta piatta, un rotolo a "jelly roll" o un grande blocco rettangolare, BattMo può visualizzarla in 3D.
• Il Fattore "Calore": Non traccia solo l'elettricità; traccia anche il calore. Simula come la batteria si scalda durante la ricarica e come si raffredda mentre è ferma, tutto contemporaneamente.
• Il Monitor dell' "Invecchiamento": Può persino prevedere come la batteria invecchia. Simula cose come uno strato sottile di sporco (chiamato strato SEI) che si accumula all'interno, o come i materiali al silicio si gonfiano come una spugna quando assorbono energia.

3. Il "Tutor Intelligente" (Calibrazione e Ottimizzazione)

Una delle parti più difficili della scienza delle batterie è indovinare i numeri corretti per i materiali.

• Il Regolatore Automatico: BattMo ha un "tutor intelligente" integrato che utilizza una tecnica chiamata differenziazione automatica. Immagina di cercare di sintonizzare una radio per ottenere il segnale più chiaro. BattMo può calcolare istantaneamente esattamente quali manopole girare per ottenere la corrispondenza perfetta tra il tuo modello informatico e gli esperimenti del mondo reale. Questo evita ai ricercatori di passare settimane a indovinare e controllare.

4. A chi è rivolto?

• Gli Esperti: Progettisti di batterie che vogliono testare 50 diverse forme in un'ora invece di costruire 50 prototipi fisici.
• Gli Studenti: Principianti che vogliono vedere come l'elettricità e il calore si muovono all'interno di una batteria senza aver bisogno di un dottorato per capire il codice.
• Gli Sviluppatori: Persone che vogliono integrare questo strumento nei propri flussi di lavoro software.

5. Cosa lo rende speciale?

Mentre esistono altri strumenti (come PyBaMM), BattMo è unico perché:

• È stato costruito da zero per gestire forme 3D e calore insieme fin dall'inizio.
• È costruito su una base chiamata MRST (un toolbox originariamente usato per i serbatoi di petrolio), il che significa che è molto bravo a risolvere problemi matematici complessi rapidamente.
• È aperto e flessibile. Puoi sostituire il "motore" (le equazioni matematiche) facilmente, proprio come si sostituisce il motore di un'auto, per provare nuove chimiche per le batterie.

In Breve

BattMo è un laboratorio digitale dove puoi progettare, costruire e testare batterie in 3D. Utilizza un sistema modulare basato su blocchi che permette agli scienziati di sostituire facilmente le parti, prevedere come le batterie invecchiano e regolare automaticamente i loro progetti per farli corrispondere alla realtà — tutto senza dover costruire una singola batteria fisica nel mondo reale.

Nota: Questo software è attualmente utilizzato in importanti progetti di ricerca europei (come HYDRA e BATMAX) per progettare nuovi tipi di batterie per veicoli elettrici e l'accumulo di energia, ma l'articolo si concentra sullo strumento stesso, non sui prodotti specifici che creerà in futuro.

Sommario tecnico

Sintesi Tecnica di BattMo: Battery Modelling Toolbox

Problematica
Lo sviluppo di sistemi elettrochimici ad alte prestazioni, in particolare batterie Li-ion e post-Li-ion, è fondamentale per la transizione dell'energia elettrica. Tuttavia, la creazione di flussi di lavoro digitali rigorosi per ridurre la prototipazione fisica ed estrarre informazioni dai dati rimane una sfida. I modelli esistenti basati sulla fisica spesso faticano con la calibrazione dei parametri e, sebbene esistano framework open-source come PyBaMM, cideMOD e LIONSIMBA, essi presentano limitazioni specifiche. Ad esempio, PyBaMM ha abilitato solo di recente (al 2025) le simulazioni 2D e 3D e tipicamente si affida a un pacchetto esterno (PyBOP) per la calibrazione e l'ottimizzazione. Allo stesso modo, cideMOD supporta simulazioni 3D ma manca di differenziazione automatica, rendendo difficile la gestione di sistemi non lineari complessi e l'ottimizzazione del design. È necessario un framework flessibile che supporti nativamente simulazioni elettrochimico-termiche completamente accoppiate in 3D, una calibrazione efficiente dei parametri tramite metodi adjoint e un'architettura modulare per l'estensione dei modelli.

Metodologia
BattMo è un flessibile framework di modellazione continua a volumi finiti implementato in MATLAB® (con sforzi di compatibilità per Octave). Sfrutta il MATLAB Reservoir Simulation Toolbox (MRST) per la mesh, la risoluzione di grandi sistemi non lineari e la visualizzazione, utilizzando metodi fondamentali robusti a volumi finiti di basso ordine e una discretizzazione temporale completamente implicita.

• Architettura del Modello: Il framework impiega un design gerarchico basato su grafi. Ogni modello corrisponde a un grafo computazionale in cui i nodi rappresentano le variabili e gli archi diretti rappresentano le relazioni funzionali. Questa struttura permette la modularità; l'accoppiamento dei modelli avviene creando un nuovo modello di accoppiamento che contiene i modelli esistenti come sottografi, aggiungendo archi per i meccanismi di accoppiamento pur lasciando i sotto-modelli sostanzialmente invariati.
• Input e Interoperabilità: Gli input di simulazione, inclusi i parametri dei materiali e le descrizioni geometriche, sono specificati tramite schemi JSON. Questo approccio aderisce alle linee guida della Battery Interface Ontology (BattINFO) per supportare l'interoperabilità semantica e i principi FAIR.
• Fisica e Chimica: Il modello centrale si basa sull'approccio Doyle-Fuller-Newman (DFN). BattMo include simulazioni termiche completamente accoppiate e supporta vari meccanismi di degradazione, come la crescita dello strato SEI (utilizzando i modelli Safari e Bolay) e il plating del litio. Gestisce inoltre materiali compositi (ad es. miscele Silicio-Grafite) e lo swelling del Silicio.
• Solver e Ottimizzazione: Il solver utilizza la differenziazione automatica per supportare il calcolo adjoint. Questa capacità consente il calcolo efficiente delle derivate della funzione obiettivo rispetto a tutti i parametri, abilitando routine di ottimizzazione basate sul gradiente per calibrare i modelli rispetto ai dati sperimentali.
• Geometria: Il toolbox supporta geometrie 1D, 2D e 3D, incluse progettazioni parametrizzate per celle cilindriche, prismatiche, a moneta (coin), jelly roll e multi-pouch con vari layout dei terminali (tab).

Contributi Chiave

• Simulazione 3D Nativa e Accoppiata: A differenza di alcuni predecessori, BattMo è progettato fin dalle fondamenta per simulazioni elettrochimico-termiche accoppiate in 3D senza richiedere pacchetti esterni per le funzionalità core.
• Calibrazione Basata su Adjoint: L'integrazione della differenziazione automatica e del calcolo adjoint fornisce un metodo efficiente per calibrare modelli di batterie complessi dai dati sperimentali, affrontando un collo di bottiglia comune nella modellazione basata sulla fisica.
• Design Modulare Basato su Grafi: L'approccio del grafo computazionale facilita l'estensione e l'accoppiamento dei modelli, permettendo ai ricercatori di modificare facilmente le equazioni sottostanti e integrare nuovi modelli di degradazione o di materiale.
• Input Standardizzato: L'uso di schemi JSON allineati a BattINFO assicura che le definizioni dei modelli siano strutturate, riproducibili e interoperabili.
• Ecosistema: Il paper introduce la "famiglia BattMo", che include la versione MATLAB, una versione Julia (BattMo.jl), un wrapper Python (PyBattMo) e un'applicazione web (BattMoApp).

Risultati e Capacità
Il paper presenta BattMo come un toolbox funzionale con una libreria di geometrie di batterie parametrizzate e una serie di esempi documentati. Dimostra la capacità di:

• Simulare varie chimiche di batterie (NMC, NCA, LFP, LNMO, SiGr) e formati (moneta, pouch, cilindrica).
• Effettuare l'ottimizzazione del design su geometria e parametri.
• Supportare protocolli di test standard (CC, CV, CCCV) e input di serie temporali.
• Modellare fenomeni specifici tra cui la crescita del SEI, il plating e lo swelling del silicio.
• Estendere la funzionalità ad altri sistemi elettrochimici, come elettrolizzatori a membrana alcalina e modelli di membrana ceramica a protoni.

Significato e Impatto
Gli autori posizionano BattMo come uno strumento per lo sviluppo riproducibile di celle di batterie nella ricerca e nell'istruzione. Il suo significato risiede nella capacità di supportare sia progettisti esperti che ottimizzano design virtuali, sia principianti che cercano di comprendere i processi fondamentali. Il software è già stato utilizzato in diversi progetti commerciali e non commerciali, incluse iniziative finanziate dall'UE come HYDRA, BATMAX, IntelLiGent, BIG-MAP e DigiBatt. In questi contesti, è stato utilizzato per modellare nuove celle LNMO così come celle commerciali LFP e NMC in configurazioni sia 1D che 3D. Combinando un framework modulare con input standardizzati e avanzate capacità di ottimizzazione, BattMo mira a ridurre la dipendenza dalla prototipazione fisica e a migliorare la validità e la riproducibilità dei risultati della ricerca sulle batterie.