Diseño guiado por aprendizaje automático de un cátodo de polímero flexible, altamente conductor y libre de aditivos

Área de la Ciencia:

• Ciencia de los materiales Ciencia de los materiales.
• La electroquímica es electroquímica.
• Energía Sostenible Energía Sostenible

Sus antecedentes:

• Los materiales de cátodo orgánico (OCM) ofrecen alternativas sostenibles para las baterías, pero sufren de baja conductividad y disolución.
• El descubrimiento de OCMs óptimos es un desafío debido al vasto espacio químico.
• Los OCM existentes a menudo requieren aditivos y aglutinantes conductores, lo que complica la fabricación y el rendimiento.

Objetivo del estudio:

• Abordar las limitaciones de los OCM mediante el desarrollo de un material intrínsecamente conductor de alto rendimiento.
• Para utilizar el aprendizaje automático para el descubrimiento acelerado de nuevos candidatos OCM.
• Para demostrar un cátodo orgánico flexible y libre de aditivos para aplicaciones avanzadas de baterías.

Principales métodos:

• Empleó un proceso de descubrimiento de aprendizaje automático (ML) utilizando un modelo de transformador preentrenado en la base de datos de moléculas orgánicas de ZINC.
• Examinado en busca de potenciales candidatos OCM de alto rendimiento, identificando unidades redox de tipo isoindigo.
• Diseñado y sintetizado poli-benzodifurandiona (PBFO) basado en predicciones ML para aplicaciones catódicas flexibles y independientes.

Principales resultados:

• Se logró una conductividad eléctrica de 5.9×10^2 S cm^-1 en películas flexibles PBFO, un nuevo punto de referencia para cátodos orgánicos sin aditivos.
• Capacidad reversible alta demostrada (262 mAh g^-1) a 2.5 V frente a Li+/Li con una alta densidad de energía a nivel de electrodo de 655 Wh kg^-1.
• Fabricó con éxito cátodos PBFO limpios sin aditivos conductores o aglutinantes, mostrando su potencial para el almacenamiento de iones de litio y iones de Na de alto rendimiento.

Conclusiones:

• El PBFO desarrollado representa el primer material de cátodo orgánico flexible y de alta conductividad sin aditivos.
• El proceso de descubrimiento impulsado por ML identificó eficientemente candidatos prometedores a OCM.
• Este trabajo allana el camino para baterías orgánicas prácticas y sostenibles con un rendimiento mejorado.