Disentangling the Coupled Origins of Li+ Ion Transport in LATP through Hierarchical Modeling

Le batterie sono i motori silenziosi della vita moderna, che alimentano tutto, dagli smartphone alle auto elettriche, ma il cuore di ogni batteria è un problema semplice e ostinato: come spostare particelle cariche rapidamente e in modo sicuro da un lato all'altro. Nelle batterie tradizionali, questo compito è svolto da un liquido che può perdere, prendere fuoco o degradarsi nel tempo. Gli scienziati cercano da tempo un'alternativa solida, un materiale ceramico che agisca come un'autostrada per gli ioni — minuscoli atomi carichi — pur rimanendo stabile e non infiammabile. Uno dei candidati più promettenti per questo ruolo è una famiglia di materiali chiamata NASICON, che sta per un tipo specifico di struttura cristallina nota per i suoi tunnel tridimensionali. All'interno di questa famiglia, un materiale noto come LATP ha attirato particolare attenzione perché può essere modificato chimicamente per contenere più oli, rendendolo teoricamente un conduttore migliore. Tuttavia, per decenni, una contraddizione enigmatica ha messo in difficoltà i ricercatori: quando gli scienziati aggiungono un ingrediente specifico al LATP per aumentare il numero di ioni, la capacità del materiale di condurre elettricità prima migliora, ma poi, sorprendentemente, peggiora di nuovo. Comprendere perché ciò accada è fondamentale, perché senza tale conoscenza, gli ingegneri non possono progettare la prossima generazione di batterie sicure e ad alte prestazioni.

Il mistero risiede nella complessa danza degli atomi all'interno del cristallo. Per rendere il LATP più conduttivo, i ricercatori sostituiscono alcuni degli atomi di titanio nella struttura con l'alluminio. Questo scambio costringe il cristallo a creare ioni di litio extra per bilanciare la carica elettrica. Intuitivamente, si potrebbe pensare che aggiungere semplicemente più ioni di litio renderebbe il materiale un conduttore migliore, come aggiungere più auto a un'autostrada. Eppure, gli esperimenti mostrano che, dopo un certo punto, l'aggiunta di più alluminio e litio rallenta effettivamente il traffico. Il problema è che in un vero cristallo, cambiare la chimica cambia tutto contemporaneamente: il numero di ioni in movimento cambia, l'ambiente chimico attraverso cui si muovono cambia e la forma stessa del reticolo cristallino si sposta. Sbrogliare quale di questi fattori sia responsabile dell'accelerazione e quale causi il rallentamento è stato quasi impossibile da fare con esperimenti tradizionali o modelli informatici standard, che spesso vengono sopraffatti dall'enorme numero di possibili disposizioni atomiche.

Per risolvere questo enigma, un team di ricercatori dell'Università di Uppsala si è rivolto a un nuovo tipo di strategia computazionale. Invece di cercare di simulare l'intero sistema disordinato tutto in una volta, hanno costruito una gerarchia di modelli, ognuno dei quali aggiungeva uno strato di realtà fisica per vedere come i pezzi si incastrassero tra loro. Hanno iniziato utilizzando un potente modello di apprendimento automatico pre-addestrato — un tipo di intelligenza artificiale che ha appreso le regole base di come gli atomi interagiscono da un vasto database di materiali. Hanno perfezionato questo modello utilizzando i dati di una sola versione specifica di LATP. Sorprendentemente, questo singolo aggiustamento ha permesso al modello di prevedere accuratamente il comportamento del materiale attraverso l'intero intervallo di composizioni chimiche, dal non avere alluminio all'averne molto. Questa efficienza ha permesso loro di simulare enormi cristalli disordinati che sarebbero stati impossibili da studiare con i metodi tradizionali, creando efficacementmente un microscopio digitale con il potere di vedere come si muovono gli ioni su lunghi periodi di tempo.

I ricercatori hanno poi rimosso sistematicamente gli strati di complessità per isolare le cause. Prima, hanno osservato la struttura cristallina come se fosse una gabbia rigida e immutabile, chiedendosi come gli atomi di alluminio influenzassero da soli il percorso di un singolo ione di litio. Hanno scoperto che a bassi livelli, gli atomi di alluminio agivano come trappole, creando pozzi di energia profondi che trattenevano gli ioni di litio in posizione e li rallentavano. Man mano che aggiungevano più alluminio, queste trappole iniziavano a sovrapporsi, formando infine una rete connessa di percorsi a bassa energia che permetteva agli ioni di muoversi più liberamente. Tuttavia, questo effetto "struttura" da solo non poteva spiegare l'intera storia. Quando hanno reinserito gli ioni di litio nella simulazione e hanno lasciato che interagissero tra loro, è emersa un'immagine diversa. La presenza di ioni di litio extra riduceva effettivamente le barriere energetiche al movimento, aiutando gli ioni a superare le trappole create dall'alluminio. Questa interazione ione-ione era il driver principale dietro l'iniziale aumento della conducibilità.

L'ultimo tassello del puzzle è arrivato quando i ricercatori hanno permesso alla struttura cristallina di respirare e cambiare forma, invece di mantenerla rigida. Hanno scoperto che all'aumentare del contenuto di alluminio, la cella cristallina stessa si restringeva e i legami tra gli ioni di litio e gli atomi di ossigeno circostanti diventavano più forti. Questo irrigidimento della struttura, combinato con la rigidificazione dell'ambiente locale, creava un collo di bottiglia che ostacolava il movimento degli oni. Fu solo quando hanno combinato la contrazione del volume della cella, i legami chimici più forti e il movimento dinamico degli atomi della struttura che i modelli informatici hanno riprodotto l'esatto andamento sperimentale: un aumento della conducibilità seguito da un brusco calo. Lo studio conferma che la spinta iniziale alle prestazioni deriva dagli ioni di litio extra che si aiutano a vicenda nel movimento, mentre il successivo calo è causato dal fatto che il materiale si contrae fisicamente e stringe la sua presa su quegli ioni.

Questo lavoro fa molto di più che risolvere un mistero specifico su un materiale per batterie; dimostra un nuovo modo per comprendere i materiali complessi. Utilizzando un modello di base di apprendimento automatico che può essere adattato con un minimo di dati, i ricercatori hanno dimostrato che è possibile esplorare vasti spazi chimici disordinati con un'accuratezza quasi perfetta. Questo approccio permette agli scienziati di separare gli effetti intrecciati di chimica, struttura e disordine, rivelando i veri meccanismi che governano il comportamento dei materiali. Per il futuro dello stoccaggio dell'energia, ciò significa che i ricercatori possono ora progettare elettroliti solidi con maggiore fiducia, sapendo esattamente quali cambiamenti chimici accelereranno il trasporto ionico e quali lo rallenteranno, aprendo la strada a batterie più sicure ed efficienti.