文 | 文史充電站
編輯 |文史充電站
在追求可持續能源解決方案的道路上，碳塗層技術的不斷演進為鋰離子電池性能的提升和壽命的延長提供了令人鼓舞的可能性。
這項研究聚焦於類金剛石碳（DLC）塗層在鋰基電池中的應用，深入探討了其原子結構和工作機制，並突出了不同塗層厚度、沉積溫度、分層結構和摻雜對電池性能的影響。
這些創新性的發現顯示，DLC塗層不僅提高了電池的循環壽命，還改善了電池性能，為未來的電動汽車和可再生能源儲存提供了關鍵支持。
01
碳塗層是提升電池性能的新方式
鋰離子電池（LIB）作為能源可持續性的潛在解決方案備受關注，人們正積極尋求減少碳排放，與其他金屬系統相比，鋰系統因其提供更高的平均電壓而備受青睞。
碳塗層作為提高鋰和後鋰儲能電池性能的關鍵技術引起了廣泛關注，碳塗層的應用被認為可以促進電池的化學和電化學穩定性、導電性、固體電解質界面和長循環壽命，這也改善了結構穩定性，減輕了電極腐蝕、納米材料活化和形態變化。
碳塗層的歷史可以追溯到1953年，最初被描述為類石墨碳，直到1970年代才被Aisenberg和Chabot展示出具有類金剛石特徵的結構。
根據其原子結構，碳塗層可分為無定形碳、四面體碳和類金剛石碳（DLC）、鏈結構及其混合結構，近年來碳塗層的分類也得到了ISO標準的支持。
DLC在製造高性能鋰基電池方面具有悠久的歷史，其潛力在2000年代初已經開始探索，有多種多樣的塗層技術可供選擇，包括物理氣相沉積（PVD）、等離子體增強化學氣相沉積（PECVD）、大氣等離子體沉積、電沉積等，這些方法具有不同的工業可擴展性和塗層成本。
DLC的結構表現出sp2和sp3位點的網路，其原子結構的組成，包括芳環和鏈以及相應的sp2和sp3相比例，取決於沉積方法和操作參數。
考慮到操作參數的優化矩陣，如靜電和磁勢、沉積壓力和溫度、前體特性、工藝和反應氣體的動力學、等離子體功率、頻率、通量和密度等，通常有超過50種組合可用來調節塗層的性能。
分子動力學模擬通過使用大規模原子/分子大規模並行模擬器軟體進行，研究了金剛石和類金剛石碳材料的結構。
雖然金剛石和類金剛石在表面上看起來相似，因DLC的高硬度和接近金剛石的楊氏模量，它們在原子結構上有所不同，DLC具有sp2和sp3網路，因此其原子結構既不是晶體，也不是完全非晶態，而是由sp2納米團簇通過sp3鍵合而成的成分原子。
DLC塗層存在高殘餘應力的問題，這可能導致薄膜分層，在沉積DLC塗層時，通常需要提供應力鬆弛層以解決這個問題。
DLC塗層具有廣泛的電氣功能，可以表現為半金屬或絕緣體，這取決於沉積條件、外來元素摻雜和沉積後處理，這些性質使得DLC塗層在鋰離子電池應用中具有廣泛的潛力，因為它們提供了豐富的活性位點和孔隙率，有助於提高鋰離子的遷移性能。
02
鋰離子電池性能的關鍵改進
鋰離子電池，一直在各種電子設備和電動汽車等領域中廣泛應用，因其高能量密度和長循環壽命而備受歡迎，為了進一步提高LIBs的性能，研究人員一直在探索各種技術和材料改進。
一種被廣泛研究和應用的技術是物理氣相沉積，已被證明與其他製備方法相比，如化學氣相沉積和反應沉積等，可以提供更長或相當的鋰離子電池循環壽命。
特別是，基於潘寧電離計的CVD方法]製備的碳塗層可為電池電極提供理想的界面，甚至通過離子注入沉積碳塗層時也能實現高溫循環性能，等離子體方法還可以製造不同多層塗層架構，以提高電池性能。
DLC和Cr（鉻）雙層設計顯示，在第50次循環時，陽極容量仍保持在83%，而裸陽極電池的容量則降至53%，等離子塗層可以摻雜二級或三級材料，如硅，以提高電池穩定性，這些技術不僅適用於鋰離子電池，還適用於其他類型的電池材料，如硫化鋅和鈉。
沉積的DLC塗層的性能與硅基鋰離子電池陽極表面覆蓋率的關係，使用射頻PECVD系統沉積的250 nm硅和60 nm薄DLC塗層的橫截面圖。
300×300μm²的DLC貼片在40次循環後的形態變化，DLC塗層陽極在初始循環後的不可逆容量和庫侖效率，可以看出，DLC微米級貼片覆蓋陽極材料可以提供更高的庫侖效率，並降低不可逆容量。
另一種重要的技術是等離子體增強化學氣相沉積，Kim等人在硅薄膜陽極上使用射頻輔助PECVD工藝沉積了具有類金剛石結構的碳塗層，他們的研究表明，DLC塗層可改善硅電極的循環性能，可逆容量和初始庫侖效率分別提高至3700 mAh/g和90%。
這不僅提高了容量，還減少了由於結構完整性而導致的容量衰減，類似地，Arie和Lee使用RF-PECVD在鋰金屬陽極上沉積DLC塗層，提高了其電化學性能。
這些研究結果表明，DLC塗層在鋰離子電池中的應用可以顯著改善性能，提高庫侖效率，降低不可逆容量。
還有一些混合方法被報道用於製造電池應用的碳塗層，比如通過大氣等離子體-PECVD方法在SnSb/C納米纖維上裝飾DLC納米粒子，不僅在第100次循環時具有較高的可逆容量，而且在100次循環後的容量保持率也得到顯著提高。
基於等離子體的碳塗層技術在提高鋰基電池性能方面發揮了關鍵作用，這些塗層不僅提高了電池的庫侖效率和可逆容量，還減少了不可逆容量，從而延長了電池的循環壽命，這些研究為鋰離子電池和其他電池技術的進一步發展提供了有價值的參考和啟示。
03
解鎖鋰離子電池的性能
人工智慧（AI），包括機器學習（ML）和深度學習，正逐漸成為材料科學領域的得力助手，在鋰離子電池（LIB）領域，ML和相關演算法已經發揮了關鍵作用，幫助我們預測、優化和理解電池材料的性能和結構。
這一技術的應用涵蓋了多個方面，從數據挖掘、電極材料的虛擬合成到性能預測和生命周期估計。
機器學習演算法，如人工神經網路、多重線性回歸、最小絕對收縮和選擇運算元以及窮舉搜索線性回歸。
已經在預測鋰離子電池中的碳基分子材料的電勢、配位能和熔點等方面顯示出巨大潛力，這些演算法能夠從大量數據中提取模式，幫助科學家更好地理解電池材料的性能特性。
特別是在LIB應用中，ML正在協助材料的開發、優化和預測，一個引人注目的例子是基於ML和分子動力學（MD）的離子篩選模型。
這個模型不僅能夠確定LIB陰極的最佳塗層材料，還能顯著減少計算所需的時間，這種模型使用了從頭算分子動力學、飛行傾斜和總均方位移等技術來處理數據，快速篩選潛在的鋰化合物。
另一個令人振奮的應用是無監督學習，通過篩選已知的鋰化合物來發現新的快速鋰離子導電化合物，結果表明，有潛力的新化合物具有出色的離子傳導性能，為LIB的發展提供了更多可能性。
MD和貝葉斯優化（BO）的結合也為多材料或LIB應用的設計提供了新的途徑，這種方法使用MD模擬來分析材料性能，並通過BO優化來提高離子電導率等關鍵屬性。
與傳統的分割方法相比，機器學習在對分離碎片、裂紋、分離概率和不同類型的顆粒進行分類方面展現了更大潛力，提高了對LIB材料的理解和處理效率。
機器學習在鋰離子電池領域的應用已經成為材料科學的一項強大工具，幫助科學家們更好地理解、預測和優化電池材料的性能和結構，為可再生能源存儲技術的發展和改進做出了重要貢獻。
04
提碳塗層提升電池性能與延長壽命的關鍵
純碳塗層和硅基類金剛石碳塗層已廣泛應用於純鋰金屬和鋰離子電池的各種應用中，包括薄膜、複合材料、合金納米纖維和顆粒基電極。
這些塗層在電池性能中扮演了關鍵角色，其性能可通過多個指標來衡量，如容量、電流密度、電壓、速率、阻抗、電位和循環效率，基於硬碳塗層（LBB DLC）在不同條件下的性能表現的信息，包括單層和雙層設計、摻雜、薄膜或納米粒子、室溫和高溫等。
研究人員，使用閉場不平衡磁控濺射系統在鋰電池上應用碳塗層，研究表明，將碳塗層應用於鋰電極後。
電池的循環效率在50次循環後提高了約60%，這個改善是因為碳塗層有助於減少裸露鋰電極的循環效率下降，這通常由於死鋰引起的，碳塗層的應用有效地提高了電池的穩定性和性能。
通過在NCA顆粒上沉積DLC塗層，研究人員成功地將電極的電阻從234Ω降低到70Ω，從而提高了電池的性能，DLC塗層還保護了NCA顆粒免受副反應和元素擴散的影響，進一步提高了電池的穩定性。
在這項研究中，研究人員使用等離子體離子注入和沉積方法沉積了DLC塗層，結果顯示2.0 nm厚的DLC膜能夠顯著提高電池的放電容量，而5.0 nm厚的DLC膜則表現更佳。
相比之下，裸電極的放電容量在循環中急劇下降，而應用DLC塗層的電極保持了較高的容量。
硅基DLC塗層在鋰氧電池應用中也表現出色，它的應用使電池在高達50%的循環中保持了容量，從而顯著延長了電池的壽命。
結論
純碳塗層和硅基類金剛石碳塗層在鋰金屬和鋰離子電池領域有著廣泛的應用，它們被用於製造薄膜、複合材料、合金納米纖維和顆粒基電極，在提高電池性能方面發揮著關鍵作用。
這些塗層的性能通過多個指標來評估，如容量、電流密度、電壓、速率、阻抗、電位和循環效率。
研究表明，在不同的應用條件下，這些塗層都能夠改善電池性能，比如碳塗層的應用能夠顯著提高電池的循環效率，延長其壽命，DLC塗層則可以降低電極的電阻，保護電極免受副反應和元素擴散的影響，從而提高了電池的穩定性。
硅基DLC塗層在鋰氧電池應用中表現出色，顯著延長了電池的壽命，這些研究為未來的電池技術提供了有力的支持，有望為可再生能源存儲和電動汽車等領域提供更可靠的能源解決方案。
