Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

AI-Accelerated Design of Electrolytes for Robust Inorganic-Rich SEI in Li/Na/Mg Batteries

Descrizione del progetto

Modello IA per i solventi delle batterie metalliche

La tecnologia delle batterie è fondamentale per la decarbonizzazione, ma lo sviluppo di batterie al litio-metallo ad alta energia è stato ritardato da problemi di sicurezza legati all’elettrolita solido interfase (SEI). I SEI ricchi di componenti inorganici offrono una maggiore sicurezza e stabilità a lungo termine e gli elettroliti debolmente solventi (WSE) mostrano un forte potenziale in questo settore. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto congiunto AI4Bat sta sviluppando un modello di intelligenza artificiale in grado di prevedere i solventi ottimali per i WSE nelle batterie al litio, sodio e magnesio. Il progetto utilizzerà simulazioni a livello atomico per stabilire i legami tra le proprietà dei solventi e i processi di riduzione degli anioni nelle batterie al litio. I solventi promettenti saranno poi formulati in WSE e testati in celle a sacca per valutarne le prestazioni.

Obiettivo

Battery technology is critical to achieving global decarbonization, but the commercialization of high-energy Li-metal batteries has been stalled for decades due to safety risks and limited lifespan. These issues stem from the failure of the solid electrolyte interphase (SEI) on the Li-metal anode. Conventional carbonate-based electrolytes lead to an organic-rich SEI that is porous, ionically insulating, prone to dendrites formation, dissolution, and electron tunneling, resulting in continuous battery degradation. In contrast, an inorganic-rich SEI, formed by anion decomposition, is dense, insoluble, electron-insulating, mechanically robust, and dendrite-free—offering a path toward safer and more durable batteries. Weakly solvating electrolytes (WSE) have emerged as a promising solution for creating such SEIs, but their development remains slow, relying on inefficient trial-and-error methods. The AI4Bat project aims to revolutionize this process by developing an AI-model capable of predicting optimal solvents to form WSEs for Li, Na, and Mg-metal batteries. Starting with Li-metal batteries, the AI-model will link solvent properties to anion reduction in the electric double layer using atomic simulations. This model will then screen new solvents from extensive databases, which will be formulated into WSEs and tested in pouch cells. The performance of these WSEs will be rigorously evaluated, focusing on the inorganic, ion-conductive, electron-insulating, mechanical properties and insolubility of the SEI, and correlated with overall battery performance. Upon successfully validating the AI-model in Li batteries, I will transfer it to Na/Mg-metal batteries to enhance their electrochemical performance through the development of robust inorganic-rich SEIs. This project will significantly accelerate the design of safer, high-performance batteries, paving the way for next-generation energy storage and conversion technologies.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2024-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

KEMIJSKI INSTITUT
Contributo netto dell'UE
€ 198 557,52
Indirizzo
HAJDRIHOVA ULICA 19
1000 Ljubljana
Slovenia
Regione
Slovenija Zahodna Slovenija Osrednjeslovenska
Tipo di attività
Research Organisations
Collegamenti
Costo totale
Nessun dato

Partner (1)