Towards greener chemistry of battery : Using X-ray tomography in Li-O2 battery and a recyclable cathode
Vers une chimie plus verte de la batterie : Utilisation de la tomographie aux rayons X dans une batterie Li-O2 et une cathode recyclable
Résumé
To meet the challenge of energy demand for the total decarbonization of the society, greener and higher energy density technology must be developed. The Li-O2 battery (LOB), considered as one of the most promising post Li-ion technologies, has been investigated. More specifically, 3D imaging technique using X-ray tomography has been developed to study the electrochemical reaction and transport phenomena in the cathode of this battery. To overcome the transparency of the light elements in the cathode of LOB under X-ray, we deployed the in-line Zernike Phase Contrast during the acquisition. With this technique, the pore networks in the cathode at different state of discharge have been extracted. The nondissolution of discharged products can also be observed in 3D. A simple synthesis of a binder-free self-standing was developed. This material is selfstanding and easily upscalable. A study of recyclability of this material was conducted. We showed that this material can be fully recovered by inexpensive solvent after the cycling. We pushed forward our 3D investigation into 4D with time steps to understand the dynamics within the Li-O2 battery. An in-house coin-cell like in situ cell was designed. The timeresolved volumes of the new material have been analyzed by a particle tracking algorithm. Massive data has been collected during this work. The segmentation has become the most time-consuming in our data processing workflow. We have employed the deep learning to tackle this problem. The hyperparameters optimization problem has been discussed and some reflections on the ground truth have been brought out. We attempted to further generalize our neural network to a broader range of material. For this, the technique transfer learning has been employed
Pour relever le défi de la demande d'énergie pour la décarbonation totale de la société, une technologie plus verte et plus énergétique doit être développée. La batterie Li-O2, considérée comme l'une des technologies post-Li-ion prometteuses, a été étudiée. Plus précisément, une technique d'imagerie 3D utilisant la tomographie par rayons X a été développée pour étudier la réaction électrochimique et les phénomènes de transport dans la cathode de cette batterie.Pour s'affranchir de la transparence des éléments lumineux en cathode sous rayons X, nous avons déployé le Zernike Phase Contrast en acquisition. Les réseaux de pores de la cathode à différents états de décharge ont été extraits. Une non-dissolution des produits rejetés a été étudiée en 3D. Une synthèse facile d'un autoportant sans liant a été développée. Ce matériau est autonome et facilement évolutif. Une étude de sa recyclabilité a été menée. Nous avons montré que ce matériau peut être entièrement récupéré après le cyclage par un solvant peu coûteux. Nous avons avancé notre enquête 3D en 4D avec des pas de temps pour comprendre la dynamique de la batterie Li-O2. Une pile bouton interne comme une cellule in situ a été conçue. Les volumes résolus en temps ont été analysés par un algorithme de suivi des particules. Des données massives ont été recueillies au cours de ce travail. La segmentation est devenue la plus chronophage dans notre workflow de traitement des données. Nous avons utilisé l'apprentissage en profondeur pour résoudre ce problème. Le problème d'optimisation des hyperparamètres a été discuté et quelques réflexions sur la vérité terrain ont été mises en évidence. Nous avons tenté de généraliser davantage notre réseau de neurones à un plus large éventail de matériaux. Pour cela, la technique d'apprentissage par transfert a été employée.
Origine : Version validée par le jury (STAR)