Slimme batterijen dankzij kunstmatige intelligentie

Geschreven door: Noa de Been

Batterijen en computers.
Afbeelding gemaakt met ChatGPT

Een leven zonder batterijen is ondenkbaar; we gebruiken massaal laptops, horloges en elektrische fietsen. In de toekomst is voor batterijen een nog grotere rol weggelegd. Zo zullen we ze nodig hebben voor de overstap van olie en gas naar het gebruik van elektriciteit. Onderzoeker dr. Nong Artrith werkt samen met computers om betere batterijen te onderzoeken die veiliger en duurzamer zijn. Kunstmatige intelligentie kan nu helpen met het identificeren van nieuwe materialen. Het brengt daarmee het batterijonderzoek in een stroomversnelling. De auto-industrie heeft hier baat bij, want ook voor hen is elektrisch de toekomst.

Batterijen zijn booming. Bedrijven als het Japanse Toyota, het Duitse Volkswagen en het Chinese BYD doen mee aan een race om veilige elektrische auto’s te maken waarin je 1000 km kan rijden zonder op te hoeven laden. Ook werkt een Nederlands bedrijf al aan een elektrisch passagiersvliegtuig, al zijn de huidige batterijen nog niet goed genoeg voor langeafstandsvluchten. Op dit moment zijn de ogen gericht op de zogenaamde vastestofbatterij.

Een vastestofbatterij is vooral interessant omdat deze veel veiliger is dan de huidige batterijen, die een brandbare vloeistof bevatten (lees: Batterijen uitgelegd). Ook zou het rijbereik en de laadsnelheid groter kunnen worden. Onderzoekers over de hele wereld zijn naarstig op zoek naar de juiste materialen voor zo’n vastestofbatterij. Voorwaarde voor deze vaste stof is dat lithiumionen zich door het materiaal kunnen bewegen, net als bij de vloeistof. Dit proces is belangrijk voor het opladen van, én het energie leveren door de batterij. Er zijn een aantal materialen gevonden die aan deze voorwaarde voldoen, met behulp van machine learning! Dr. Nong Artrith, assistent-professor aan de Universiteit Utrecht, geeft als voorbeeld een stof met de ingewikkelde formule Li7La3Zr2O12. Maar hoe krijgt een computer dit voor elkaar?

Om geschikte batterijen te ontwerpen voor nieuwe toepassingen moet er gesleuteld worden aan de eigenschappen van de batterij. Deze eigenschappen worden bepaald door de materialen die gebruikt worden. Er is een gigantische hoeveelheid mogelijkheden voor materialen te bedenken die gebruikt kunnen worden in een batterij. Dit is veel te veel voor wetenschappers om één voor één uit te proberen in het lab. Dr. Nong Artrith wil computers slim inzetten om nieuwe materialen te ontdekken. “Machine learning kan snel materiaaleigenschappen voorspellen en ons helpen veelbelovende kandidaten voor duurzame energietoepassingen te identificeren.” Kunstmatige intelligentie kan ons vertellen welk materiaal het beste werkt en waarom dit beter werkt dan een ander materiaal. Het onderzoek kan hiermee sneller, goedkoper en veiliger.

Batterijen uitgelegd

Afbeelding gemaakt door de auteur. Een batterij is een soort tank voor stroom. Energie ligt hierin opgeslagen. De batterij die nu het meest gebruikt wordt, is een lithium-ionbatterij. Elke batterij bestaat uit drie onderdelen: de anode, de kathode en een elektrolyt. De anode is gemaakt van meerdere lagen koolstof; lithium verblijft tussen deze lagen wanneer de batterij opgeladen is. Wanneer een batterij energie levert, geven lithiumatomen elektronen af. Zo ontstaan positief geladen lithium-ionen. Er loopt dan een stroom van elektronen buiten de batterij om van de anode naar de kathode. Een apparaat ontvangt deze stroom en kan daardoor werken. De kathode bestaat uit een metaaloxide; hier wordt vaak gebruikgemaakt van het metaal kobalt. Tegelijkertijd verplaatsen de lithiumionen zich van de anode naar de kathode door de elektrolyt. De elektrolyt bestaat in de huidige batterijen uit een vloeistof. Bij de kathode combineren het lithium-ion en het elektron weer tot een volwaardig lithiumatoom. De batterij zoals hier beschreven is, is zo goed als uitontwikkeld. Voor verbeteringen onderzoeken wetenschappers nieuwe materialen voor de anode, de kathode en de elektrolyt.

Wanneer de computer een veelbelovend materiaal bedacht heeft, moet er nog wel het een en ander gebeuren voordat het ook echt geïmplementeerd kan worden. Veel verschillende soorten vaste stoffen werken al in het lab, waar het op kleine schaal wordt getest. Autobedrijven zoals Toyota werken aan prototypen vastestofbatterijen. Die worden gemaakt om verder te testen hoe goed de batterij op de lange duur werkt. Rond 2027-2028 hoopt Toyota auto’s op de markt te brengen met een vastestofbatterij. De productie moet daarvoor worden opgeschaald en de batterij moet aan allerlei veiligheidsnormen voldoen.

Behalve de veiligheid en het rijbereik zijn er ook verbeteringen nodig in de duurzaamheid en productie van een batterij. Zo is er kritiek op het gebruik van kobalt, omdat het onder slechte werkomstandigheden in arme landen wordt gemijnd. Kunstmatige intelligentie kan helpen om veelvoorkomende, duurzame materialen te vinden om kobalt te vervangen. Ook zijn huidige batterijen nog slecht te recyclen. Als we materialen zoals lithium kunnen hergebruiken, wordt de batterij een stuk duurzamer.

“We hebben de middelen, maar wat we niet hebben is een database”, zegt dr. Nong Artrith. Dit is een van de uitdagingen in haar onderzoek. Ze probeert wetenschappers over de hele wereld ervan te overtuigen dat ze hun experimentele data en computermodellen moeten delen. Kunstmatige intelligentie werkt namelijk op basis van data uit al bestaand onderzoek. De computer gebruikt bevindingen die al eerder gedaan zijn in het lab over bijvoorbeeld vaste stoffen om te voorspellen hoe goed andere vaste stoffen zullen werken. De voorspellingen die een computer doet, kunnen dus nooit beter zijn dan de data waar deze op getraind is.

Kunstmatige intelligentie kan baanbrekende ontwikkelingen in het batterijonderzoek mogelijk maken. Maar dit kan alleen bereikt worden als wetenschappers uit verschillende landen samenwerken en kennis delen. “Wereldwijde samenwerking is nodig om urgente uitdagingen zoals klimaatverandering en grondstoffenschaarste aan te pakken”, aldus dr. Nong Artrith.

Dr. Nong Artrith is assistent-professor aan de Universiteit Utrecht.  In haar carrière als wetenschapper is ze de hele wereld afgereisd. Zo deed ze een master natuurkunde in Thailand en een phd in theoretische chemie in Duitsland. Verder heeft ze meerder onderzoeksplekken gehad in de Verenigde Staten. Als je meer wilt weten over het werk van Dr. Nong Artrith, kun je het volgende filmje kijken:https://www.eye-openers.nl/nl/seethecast/nongnuch-artrith/

Bronnen:
[1]Guo, H., Wang, Q., Stuke, A., Urban, A., & Artrith, N. (2021). Accelerated Atomistic Modeling of Solid-State Battery Materials With Machine Learning. Frontiers in Energy Research, 9(June), 1–25. https://doi.org/10.3389/fenrg.2021.695902
[2]Morawietz, T., & Artrith, N. (2021). Machine learning-accelerated quantum mechanics-based atomistic simulations for industrial applications. Journal of Computer-Aided Molecular Design, 35(4), 557–586. https://doi.org/10.1007/s10822-020-00346-6
[3]Ng, M.-F., Sun, Y., & Seh, Z. W. (2023). Machine learning-inspired battery material innovation. Energy Advances, 2(4), 449–464. https://doi.org/10.1039/D3YA00040K
[4]Thakkar, P., Khatri, S., Dobariya, D., Patel, D., Dey, B., & Singh, A. K. (2024). Advances in materials and machine learning techniques for energy storage devices: A comprehensive review. Journal of Energy Storage, 81(January), 110452. https://doi.org/10.1016/j.est.2024.110452
[5]https://electrek.co/2025/02/27/toyotas-all-solid-state-ev-batteries-just-got-a-lift/
[6]https://maeve.aero/
[7]https://earth.org/cobalt-mining/
[8]https://www.nwo.nl/cases/nieuwe-batterijen-op-komst
[9]https://www.acs.org/education/resources/undergraduate/chemistryincontext/interactives/energy-storage/li-ion-batteries.html

Voor het verbeteren van de tekst is de spellingscontrole van scribbr gebruikt.