Le fer, le vanadium et le titane modifient différemment une cathode sodium-ion

Pour qu’une IA aide un jour à concevoir de meilleures batteries sodium-ion, il faut d’abord lui fournir des données solides. C’est ce que commence à faire l’Université de Surrey, dont des chercheurs ont lancé une bibliothèque de matériaux de cathode, selon Tech Xplore. L’objectif : viser des batteries qui se chargent plus vite, durent plus longtemps et stockent davantage d’énergie.

Pourquoi le sodium-ion intéresse, et ce qui le freine

Les batteries sodium-ion sont développées comme alternative aux batteries lithium-ion, car le sodium est bien plus abondant et largement disponible. Le Dr Daniel Commandeur, maître de conférences à l’École de chimie et de génie chimique et auteur correspondant de l’étude, résume l’enjeu : « We rely heavily on lithium-ion batteries, but lithium resources are relatively scarce and unevenly distributed around the world. »

L’obstacle est connu : accroître l’énergie que ces batteries peuvent contenir, et leur tenue aux recharges répétées, reste un frein majeur à un usage plus large. Les travaux portent sur la cathode, composant clé qui contribue à déterminer la quantité d’énergie stockée et la performance de la batterie.

Une cathode au manganèse déclinée en 28 versions

L’étude, parue dans le Journal of Materials Chemistry A, examine comment la composition chimique de l’oxyde de manganèse et de sodium influence ses performances en cathode. L’équipe a remplacé une partie du manganèse par des quantités variables de fer, de titane et de vanadium, ce qui a donné 28 compositions. Chacune a ensuite été testée dans des batteries sodium-ion.

Ce que chaque élément apporte

Les résultats dessinent des rôles distincts, que le tableau ci-dessous met en regard.

Eden Marks, doctorante en ingénierie spatiale et co-autrice principale, souligne ce qui l’a le plus frappée : « What stood out most was how relatively small changes in composition could shift the balance between how much energy a material can store, how it performs at higher rates and how well it lasts. »

Le rôle de l’IA, et ses limites actuelles

Une approche automatisée a été mise au point pour analyser les grandes quantités de données générées par les expériences. Le jeu de données obtenu a servi à entraîner un modèle d’apprentissage automatique. La bibliothèque actuelle est toutefois trop petite pour des prédictions fiables.

Son extension pourrait permettre à l’IA d’identifier de nouvelles compositions avant même leur fabrication et leur test en laboratoire. Étendre la méthode à une gamme bien plus large de matériaux de cathode créerait les jeux de données plus vastes et de haute qualité que réclame l’apprentissage automatique.

Pour Daniel Commandeur, « This work is a first step toward building the larger data sets needed for machine learning to guide that search-helping us identify promising materials faster and accelerate the development of better sodium-ion batteries. »

À terme, élargir la bibliothèque pourrait aider à adapter les cathodes sodium-ion à des besoins différents : stocker plus d’énergie, charger plus vite ou supporter davantage de cycles. Ces pistes restent des perspectives de recherche, sans calendrier commercial annoncé. Les lecteurs qui suivent ce domaine peuvent comparer avec ces batteries au sodium boostées au manganèse, un autre travail sur la même famille de matériaux.

Photo : Lukas A, CZE / Wikimedia Commons