Neu am HZB: Tomographie-Labor für die KI-unterstützte Batterieforschung
Röntgen-Tomographie einer Batterie-Kathode, virtuell in ihre Bestandteile zerlegt. © M. Osenberg, I. Manke/ HZB / Binder/ KIT
Am HZB wird ein Labor für automatisierte Röntgen-Tomographie an Festkörper-Batterien eingerichtet. Das Besondere: 3D-Daten während der Lade/Entladeprozesse (operando) können mit Methoden der Künstlichen Intelligenz (KI) rascher und vielseitiger ausgewertet werden. Das Bundesministerium für Forschung und Bildung fördert das Projekt „TomoFestBattLab“ mit 1,86 Millionen Euro.
Röntgen-Tomographie ermöglicht es, direkt in eine Batterie hineinzuschauen und ihr während des Entladens und Beladens zuzuschauen. „Wenn etwa das Lithium beim Laden und Entladen zwischen Anode und Kathode hin und her wandert, dehnt sich möglicherweise das Lithium-Speichermaterial aus oder es finden chemische Umwandlungsprozesse statt“, erläutert der Tomographieexperte Dr. Ingo Manke. Die dreidimensionale Abbildung dieser strukturellen Veränderungen kann Schwachstellen hinsichtlich Leistung und Haltbarkeit deutlich machen, zum Beispiel Alterungsprozesse. Die Röntgen-Tomographie kann diese Strukturveränderungen abbilden und ist daher auch in der Batterieforschung - ähnlich wie in der Medizin - zu einer unverzichtbaren Messtechnik geworden.
Das HZB baut nun ein automatisiertes Tomographie-Labor auf, das speziell auf die Bedürfnisse von so genannten Festkörperbatterien ausgerichtet ist. Die Auswertung tomographischer Messungen ist äußerst zeitaufwändig, da die erzeugten Datenmengen sehr groß sind und komplexe 3D-Algorithmen erfordern. Daher sollen große Teile der 3D-Auswertungen mit Hilfe von Verfahren der künstlichen Intelligenz (bzw. des maschinellen Lernens) vollautomatisiert werden. Unterstützt wird dies durch einen speziellen Hochleistungs-Computer, mit dem so genannte „digitale Zwillinge“ der realen Batterien im Computer erzeugt werden können.
Diese Kombination aus Methoden der künstlichen Intelligenz und Tomographie-Messverfahren ist ein innovativer Ansatz mit Pilotfunktion für die Ausstattung zukünftiger Labore. „Das Projekt hilft uns dabei, die Batterieforschung im Hinblick auf die Erfordernisse der Industrie 4.0 zu digitalisieren und neue Wege bei der Entwicklung von Batterien einzuschlagen“, sagt Projektkoordinator Manke.
Das neue Labor wird Arbeitsgruppen an universitären und außeruniversitären Forschungseinrichtungen sowie Industrieunternehmen darin unterstützen, neue Batterietechnologien zu entwickeln und zu verbessern.
Laufzeit bis Herbst 2024
Das Projekt „Machine Learning unterstütztes automatisiertes Labor für multi-dimensionale Operando Tomographie von Festkörperbatterien unter realen Betriebsbedingungen“ (TomoFestBattLab, FKZ 03XP0462) wird durch das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen der Initiative zum Ausbau der nationalen Forschungsinfrastruktur im Bereich der Batteriematerialien und -technologien (ForBatt) gefördert. Die Förderung läuft vom 01.09.2022 bis 31.08.2024.
- KI-Agenten liefern Ergebnisse – aber denken sie auch wissenschaftlich?Ein Forschungsteam unter gemeinsamer Leitung von Kevin Maik Jablonka vom Helmholtz-Institut für Polymere in Energieanwendungen Jena (HIPOLE Jena) und N. M. Anoop Krishnan vom Indian Institute of Technology Delhi hat mit Corral einen neuen Benchmark für KI-Agenten in der Wissenschaft entwickelt. Der Preprint „AI scientists produce results without reasoning scientifically“ ist auf arXiv erschienen (https://doi.org/10.48550/arXiv.2604.18805). Die Analyse zeigt, dass aktuelle Systeme zwar wissenschaftliche Workflows ausführen und Ergebnisse liefern können; häufig folgen sie dabei aber nicht den Grundprinzipien wissenschaftlicher Prüfung und Schlussfolgerung.
- Magnetfeld während der Synthese des Katalysators verdreifacht AmmoniakausbeuteEin externes Magnetfeld während der Synthese von CoFe₂O₄-Dünnschichten verdreifacht beim Einsatz in der Elektrokatalyse die Ammoniakausbeute. Das Magnetfeld verändert die Oberflächenzustände der Spinell-Oxid-Dünnschichten, so dass die katalytisch aktiven Zentren stärker exponiert sind. Im Fachjournal 'Advanced Functional Materials' zeigt ein Team um Marcel Risch, HZB, und Sanjay Mathur, Universität Köln, eine skalierbare Strategie, um Elektrokatalysatoren der nächsten Generation für effiziente und nachhaltige chemische Umwandlungen zu entwickeln.
- Materialchemie gestaltet die Zukunft der KatalyseDie synthetische Materialchemie der Zukunft kann als Werkzeug dienen, um smarte und adaptive Elektrokatalysatoren zu entwickeln. Das Forschungsfeld entwickelt sich aktuell rasant, mit In-situ-Analytik, datengestützten Entdeckungen und autonomer Robotik. Diese neuen Ansätze könnten die Entdeckung langlebiger und effizienter Katalysatoren für die zukünftige Energieumwandlung und die Dekarbonisierung der chemischen Industrie beschleunigen. Einen Überblick bietet nun ein Beitrag aus dem Team des Katalyse-Experten Dr. Prashanth Menezes im renommierten Fachjournal Angewandte Chemie.