BattDesign-GAME: Batterie Design mithilfe GPU-beschleunigter Simulation and Machine Learning für Energiespeicher-Materialien

• Antragsteller: Dr.-Ing. Simon Daubner
• Fachliche Zuordnung: Computergestütztes Werkstoffdesign und Simulation von Werkstoffverhalten von atomistischer bis mikroskopischer Skala
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 578806410

Meine Vision ist es Methoden für schnelles, intelligentes Mikrostrukturdesign von Batterie-Elektroden zu entwickeln, welche anhand von Lithium-Ionen-Zellen validiert sind und sich direkt auf Systeme der nächsten Generation wie Natrium-Ionen- und Festkörper-Batterien sowie layered und graded Elektroden übertragen lassen. Durch Pionierarbeit im Bereich des inversen Materialdesigns auf der Grundlage differenzierbarer Physik (physikalische Simulationen, welche End-to-End-Gradienten unterstützen) werde ich die Genauigkeit physikalischer Modellierung mit der Geschwindigkeit und Flexibilität modernen Machine Learnings kombinieren. Diese Tools können den Ionentransport und Degradation direkt basierend auf 3D-voxelierten Mikrostrukturen vorhersagen und ermöglichen inverses Design - also von der Zielleistung auf optimale Mikrostrukturen und Fertigungsbedingungen zu schließen. Durch die Integration von Mikroskopie und elektrochemischen Messungen mit Simulationen reduziert dieser Ansatz die Abhängigkeit von ressourcenintensiven Trial-and-Error-Experimenten und beschleunigt das Design von Hochleistungszellen. Diese Vision ist in einer grundlegenden wissenschaftlichen Frage verankert: Wie beeinflussen mikrostrukturelle Eigenschaften - wie Kornmorphologie, Porosität und Tortuosität - die Leistung und die Interpretation elektrochemischer Messungen? Um dies zu untersuchen, werde ich hochauflösende 3D-Bildgebung, klassische elektrochemische Experimente und differenzierbare Physik kombinieren, um Materialparameter direkt und konsistent zu extrahieren. Dieser integrierte Ansatz überwindet die Einschränkungen traditioneller Modelle, die entweder auf stark vereinfachten Annahmen beruhen oder rechenintensiv sind, und ermöglicht dadurch datengetriebenes Mikrostrukturdesign im großen Stil.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: Großbritannien
• Beteiligte Person: Professor Samuel Cooper, Ph.D.