BattMo -- Battery Modelling Toolbox

Este artigo apresenta o BattMo, um toolbox de volumes finitos baseado em MATLAB que é flexível para simular diversas células eletroquímicas de baterias, o qual suporta geometrias 3D, modelos térmicos e de degradação acoplados, além de parametrização em conformidade com os princípios FAIR, ao mesmo tempo que possibilita a otimização eficiente baseada em gradiente por meio de diferenciação automática.

O essencial

Imagine que você está tentando construir uma bateria melhor, mas em vez de construir protótipos físicos feitos de metal e produtos químicos (o que é caro, lento e bagunçado), você quer construí-los dentro de um computador. É exatamente isso que o BattMo faz.

Pense no BattMo como um "conjunto de LEGO para cientistas de baterias."

Veja como ele funciona, dividido em ideias simples:

1. O Projeto (O Sistema "JSON" e "Grafo")

Normalmente, mudar o design de uma bateria em um programa de computador é como tentar reescrever o dicionário inteiro apenas para mudar uma palavra. O BattMo é diferente.

• O Cartão de Receita: Você diz ao software como sua bateria é e do que ela é feita usando um arquivo de texto simples (chamado JSON). É como preencher um formulário onde você diz: "Eu quero uma bateria cilíndrica feita deste tipo específico de lítio."
• O Fluxograma: Dentro do computador, a bateria não é apenas um bloco de código; ela é construída como um fluxograma ou um grafo computacional. Imagine uma árvore genealógica onde os "pais" são as leis da física e os "filhos" são os resultados. Se você quiser mudar a forma como a bateria aquece, basta trocar um ramo da árvore sem quebrar toda a família. Isso torna muito fácil misturar e combinar diferentes ideias.

2. O Simulador (O "Laboratório Virtual")

Depois de construir sua bateria virtual, o BattMo atua como um simulador de alta velocidade.

• Modelagem 3D: Ele não olha apenas para uma fatia plana da bateria; ele constrói um modelo 3D completo. Quer seja uma moeda achatada, um rolo de "jelly roll" ou um grande bloco retangular, o BattMo pode visualizá-lo em 3D.
• O Fator "Calor": Ele não rastreia apenas a eletricidade; ele rastreia o calor também. Ele simula como a bateria esquenta durante o carregamento e como esfria enquanto está parada, tudo ao mesmo tempo.
• O Observador do "Envelhecimento": Ele pode até prever como a bateria envelhece. Ele simula coisas como o acúmulo de uma camada de sujeira (chamada camada SEI) no interior, ou como materiais de silício incham como uma esponja quando absorvem energia.

3. O "Tutor Inteligente" (Calibração e Otimização)

Uma das partes mais difíceis da ciência das baterias é adivinhar os números corretos para os materiais.

• O Ajustador Automático: O BattMo possui um "tutor inteligente" integrado que utiliza uma técnica chamada diferenciação automática. Imagine que você está tentando sintonizar um rádio para obter o sinal mais claro. O BattMo pode calcular instantaneamente exatamente quais botões girar para obter a correspondência perfeita entre seu modelo de computador e os experimentos do mundo real. Isso economiza pesquisadores de passarem semanas tentando e errando.

4. Para quem é isso?

• Os Especialistas: Designers de baterias que desejam testar 50 formatos diferentes em uma hora em vez de construir 50 protótipos físicos.
• Os Estudantes: Iniciantes que desejam ver como a eletricidade e o calor se movem dentro de uma bateria sem precisar de um doutorado para entender o código.
• Os Desenvolvedores: Pessoas que desejam integrar esta ferramenta em seus próprios fluxos de trabalho de software.

5. O que o torna especial?

Embのは outras ferramentas existem (como o PyBaMM), o BattMo é único porque:

• Foi construído do zero para lidar com formas 3D e calor juntos desde o início.
• É construído sobre uma base chamada MRST (uma caixa de ferramentas originalmente usada para reservatórios de petróleo), o que significa que é muito bom em resolver problemas matemáticos complexos rapidamente.
• É aberto e flexível. Você pode trocar o "motor" (as equações matemáticas) facilmente, assim como troca o motor de um carro, para testar novas químicas de bateria.

Em Resumo

O BattMo é um workshop digital onde você pode projetar, construir e testar baterias em 3D. Ele utiliza um sistema modular baseado em blocos que permite aos cientistas trocar partes facilmente, prever como as baterias envelhecerão e ajustar automaticamente seus designs para corresponder à realidade — tudo isso sem precisar construir uma única bateria física no mundo real.

Nota: Este software está sendo usado atualmente em grandes projetos de pesquisa europeus (como HYDRA e BATMAX) para projetar novos tipos de baterias para veículos elétricos e armazenamento de energia, mas o artigo foca na ferramenta em si, não em produtos específicos que ela criará no futuro.

Resumo técnico

Resumo Técnico do BattMo: Battery Modelling Toolbox

Declaração do Problema
O desenvolvimento de sistemas eletroquímicos de alto desempenho, particularmente baterias de Li-ion e pós-Li-ion, é crítico para a transição da energia elétrica. No entanto, criar fluxos de trabalho digitais rigorosos para reduzir a prototipagem física e extrair insights de dados continua sendo um desafio. Os modelos baseados em física existentes frequentemente enfrentam dificuldades com a calibração de parâmetros e, embora existam frameworks de código aberto como PyBaMM, cideMOD e LIONSIMBA, eles enfrentam limitações específicas. Por exemplo, o PyBaMM habilitou recentemente (até 2025) simulações 2D e 3D e normalmente depende de um pacote externo (PyBOP) para calibração e otimização. Da mesma forma, o cideMOD suporta simulações 3D, mas carece de diferenciação automática, tornando difícil o tratamento de sistemas não lineares complexos e a otimização de design. Há uma necessidade de um framework flexível que suporte nativamente simulações eletroquímicas-térmicas 3D totalmente acopladas, calibração de parâmetros eficiente via métodos adjuntos e uma arquitetura modular para extensão de modelos.

Metodologia
O BattMo é um framework de modelagem de contínuo de volumes finitos flexível, implementado em MATLAB® (com esforços de compatibilidade para Octave). Ele utiliza o MATLAB Reservoir Simulation Toolbox (MRST) para malha, resolução de sistemas não lineares de grande escala e visualização, utilizando métodos fundamentais robustos de volumes finitos de baixa ordem e discretização temporal totalmente implícita.

• Arquitetura do Modelo: O framework emprega um design hierárquico baseado em grafos. Cada modelo corresponde a um grafo computacional onde os nós representam variáveis e as arestas direcionadas representam relações funcionais. Esta estrutura permite modularidade; o acoplamento de modelos é alcançado criando um novo modelo de acoplamento que contém modelos existentes como subgrafos, adicionando arestas para mecanismos de acoplamento enquanto mantém os submodelos amplamente inalterados.
• Entrada e Interoperabilidade: As entradas de simulação, incluindo parâmetros de materiais e descrições geométricas, são especificadas via esquemas JSON. Esta abordagem adere às diretrizes da Battery Interface Ontology (BattINFO) para suportar interoperabilidade semântica e princípios FAIR.
• Física e Química: O modelo central é baseado na abordagem Doyle-Fuller-Newman (DFN). O BattMo inclui simulações térmicas totalmente acopladas e suporta vários mecanismos de degradação, como o crescimento da camada SEI (usando modelos Safari e Bolay) e a deposição de lítio (lithium plating). Ele também lida com materiais compostos (ex: misturas de Silício-Grafite) e o inchamento de Silício (silicon swelling).
• Solver e Otimização: O solver utiliza diferenciação automática para suportar computação adjunta. Esta capacidade permite o cálculo eficiente de derivadas de funções objetivo em relação a todos os parâmetros, possibilitando rotinas de otimização baseadas em gradiente para calibrar modelos contra dados experimentais.
• Geometria: O toolbox suporta geometrias 1D, 2D e 3D, incluindo designs parametrizados para células cilíndricas, prismáticas, de moeda (coin), jelly roll e multi-pouch com diversos layouts de terminais (tabs).

Principais Contribuições

• Simulação 3D Nativa e Acoplada: Diferente de alguns predecessores, o BattMo foi projetado desde a base para simulações eletroquímicas-térmicas acopladas em 3D sem a necessidade de pacotes externos para funcionalidades principais.
• Calibração Baseada em Adjoint: A integração de diferenciação automática e computação adjunta fornece um método eficiente para calibrar modelos complexos de bateria a partir de dados experimentais, abordando um gargalo comum na modelagem baseada em física.
• Design Modular Baseado em Grafos: A abordagem de grafo computacional facilita a extensão e o acoplamento de modelos, permitindo que pesquisadores modifiquem facilmente as equações subjacentes e integrem novos modelos de degradação ou de materiais.
• Entrada Padronizada: O uso de esquemas JSON alinhados ao BattINFO garante que as definições dos modelos sejam estruturadas, reproduzíveis e interoperáveis.
• Ecossistema: O artigo apresenta a "família BattMo", que inclui a versão MATLAB, uma versão Julia (BattMo.jl), um wrapper Python (PyBattMo) e uma aplicação web (BattMoApp).

Resultos e Capacidades
O artigo apresenta o BattMo como um toolbox funcional com uma biblioteca de geometrias de bateria parametrizadas e um conjunto de exemplos documentados. Ele demonstra a capacidade de:

• Simular diversas químicas de bateria (NMC, NCA, LFP, LNMO, SiGr) e formatos (moeda, pouch, cilíndrica).
• Realizar otimização de design em geometria e parâmetros.
• Suportar protocolos de teste padrão (CC, CV, CCCV) e entradas de séries temporais.
• Modelar fenômenos específicos, incluindo crescimento de SEI, plating e inchamento de silício.
• Estender a funcionalidade para outros sistemas eletroquímicos, como eletrólises de membrana alcalina e modelos de membrana de cerâmica de prótons.

Significância e Impacto
Os autores posicionam o BattMo como uma ferramenta para o desenvolvimento reprodutível de células de bateria em pesquisa e educação. Sua significância reside na capacidade de suportar tanto designers experientes otimizando designs virtuais quanto iniciantes que buscam compreender processos fundamentais. O software já foi utilizado em diversos projetos comerciais e não comerciais, incluindo iniciativas financiadas pela UE, como HYDRA, BATMAX, IntelLiGent, BIG-MAP e DigiBatt. Nesses contextos, foi utilizado para modelar novas células LNMO, bem como células comerciais de LFP e NMC em configurações tanto 1D quanto 3D. Ao combinar um framework modular com entradas padronizadas e capacidades avançadas de otimização, o BattMo visa reduzir a dependência de prototipagem física e aumentar a validade e a reprodutibilidade das descobertas de pesquisa em baterias.