FATBAT

Die Elektrifizierung von Mobilität, Energieerzeugung und Industrie gilt als wichtiger Schritt zur Dekarbonisierung der Wirtschaft und Bekämpfung des Klimawandels. Festkörperbatterien gelten als der nächste Meilenstein in der Batterieforschung. Durch den Ersatz des entflammbaren flüssigen Elektrolyten in den derzeitigen Lithium-Ionen-Batterien durch eine feste und lithiumleitende Komponente verspricht die Festkörperbatterie eine verbesserte Sicherheit, eine hervorragende Stabilität und eine lange Lebensdauer. Allerdings dauert es zwischen 8 und 15 Jahren, bis ein Festkörperelektrolyt-Kandidat in Bezug auf Struktur und Stabilität für eine bestimmte Materialklasse optimiert.

Durch die intelligente und selektive Kombination der Genauigkeit bewährter Berechnungsmethoden wie Dichtefunktionaltheorie (DFT) und Molekulardynamik (MD) mit der Flexibilität und Geschwindigkeit datenwissenschaftlicher Ansätze (maschinelles Lernen (ML)) werden die hier entwickelten Methoden den Nutzern ermöglichen, den im Wesentlichen unendlichen Raum der Festkörperelektrolytmaterial Zusammensetzungen effizient zu durchsuchen, um die einzigartigen Eigenschaften und chemischen Zusammensetzungen zu ermitteln, die den gewünschten funktionalen Anforderungen entlang des Lebenszyklus der Batterie am besten entsprechen. Zur Bewältigung der Herausforderungen im Zusammenhang mit der experimentellen Validierung von rechnerisch und datenwissenschaftlich gewonnenen Ergebnissen wird Raman-Spektroskopie als kostengünstige, zerstörungsfreie und leicht zugängliche Charakterisierungsmethode genutzt. Zudem soll das Projekt die Art und Weise, wie der Entdeckungsprozess selbst koordiniert wird, mithilfe einer digitalen Materialbeschleunigungsplattform (MAP) asynchron orchestrieren.