En la búsqueda de nuevos materiales que impulsen la eficiencia de las baterias, las herramientas que ofrece la química computacional cuentan con un gran potencial, al convertir esa tarea en un proceso rápido, barato y eficiente.  

A falta de mejores estrategias, buscar nuevos materiales ha consistido tradicionalmente en recurrir a la intuición química para, en primer lugar, seleccionar los sistemas con mejores propiedades, posteriormente sintetizarlos en el laboratorio y finalmente medir su viabilidad en un proceso de prueba y error poco eficiente, que confiaba esencialmente en una serendipia no siempre presente. 

La química teórica actual permite convertir ese proceso basado en la intuición y la serendipia en una búsqueda racional, basada en cálculos reales y sin descartar a priori estructuras potencialmente válidas. 

Esto es posible gracias a la fundamentación física de las actuales teorías químico- cuánticas, que permiten describir, de forma teórica, el comportamiento de los materiales y sus propiedades. Es decir, se logra predecir cómo puede responder un determinado material sin necesidad de disponer físicamente del mismo.

Esta prospección optimizada de nuevos materiales para almacenamiento de energía  supone una ventaja en costes,  y es a su vez, la piedra angular para mejorar la competitividad en un sector clave para la sociedad y crucial para alcanzar los objetivos de la transición energética. 

Para poder explicar mejor en qué consisten estas técnicas, podemos usar como ejemplo la argirodita, mineral con el que trabaja CIC energiGUNE y sobre el que existen numerosos trabajos teóricos. Se trata de un sólido cristalino con propiedades interesantes para ser utilizado como electrolito en las baterías de estado sólido. Esto se debe a que contiene canales en su estructura a través de los que es posible la migración de iones como el Li+, en el caso de las baterías de litio.

Las argiroditas, tal y como se encuentran en la naturaleza, están canónicamente formadas por uno o dos metales, típicamente plata (Ag) y germanio (Ge), y un calcógeno que suele ser azufre (S). Sin embargo, ¿serían también estables combinaciones entre otros metales? ¿Y con otros calcógenos, como el oxígeno (O) o el selenio (Se)? ¿Se podrían sustituir estos últimos por halógenos (F, Cl, Br o I)? 

Si no se descarta de antemano ningún metal, halógeno o calcógeno, existen millones de combinaciones posibles, lo que  hace imposible sintetizar de manera comprehensiva todas esas estructuras en el laboratorio y medir sus propiedades. 

Aquí es donde entra el potencial de los estudios de simulación computacional, que permiten la identificación eficiente de nuevas combinaciones con nuevas propiedades, para abrir un abanico de posibilidades al sector.

Etapas  del diseño computacional de un material

A la hora de llevar a cabo un estudio de simulación computacional de un nuevo material, estudiaremos en primer lugar su estabilidad.

Siguiendo con nuestro ejemplo anterior, para comprobar si uno de esos sistemas mantendría la estructura de la argirodita tras haber sido sintetizado, se hace una optimización de su geometría

Así, se comienza por calcular la energía total del sistema con los nuevos átomos en las posiciones  conocidas para la argirodita. A continuación, se hacen variar ligeramente las posiciones atómicas y se calcula la energía de la nueva geometría: si es menor que la anterior, esta nueva estructura será más estable y por tanto se debe repetir este paso.  

Aunque el proceso es más complejo de como lo describimos aquí, el cálculo se da por terminado cuando las nuevas geometrías no consiguen reducir más la energía total del sistema: es decir, el cálculo habrá convergido.

Ese proceso involucra un número de pasos hasta encontrar la configuración geométrica de menor energía y, por tanto, la más estable, que varía dependiendo del grado de precisión que busquemos en nuestro análisis y de los criterios de convergencia que impongamos. Gracias a este proceso computacional, en general, una estructura puede estar optimizada en unas horas o pocos días

Una vez que confirmamos que la nueva estructura tiene la geometría óptima y no se ha desviado demasiado de la configuración de la argirodita, el siguiente paso es analizar el coste (en términos energéticos) de que los átomos de litio migren a través de su estructura, lo que puede ser evaluado en cuestión de segundos

Con estos dos análisis, en un tiempo aproximado de dos o tres días podemos disponer de un criterio con fundamento físico para saber si una estructura merece la pena ser estudiada de manera teórica más en profundidad y sometida posteriormente a un estudio experimental. Todo ello a través de un proceso completamente computacional, con cero impacto ambiental y humano, y con un coste económico mínimo.  

Una oportunidad para la industria 

Como ya se ha indicado, el ahorro en costes, recursos y tiempo que supone la química computacional para el análisis materiales supone un activo muy valioso de cara al desarrollo de la industria.

Más aún si tenemos en cuenta que, gracias a su carácter teórico y su falta de necesidad de recursos físicos, permite desarrollar una actividad aún más sostenible, reduciendo la necesidad de extraer materiales que posteriormente pueden ser descartados.

En este momento, desde CIC energiGUNE estamos ya ejecutando proyectos con empresas europeas líderes en almacenamiento de energía eléctrica donde se aplica el procedimiento descrito en este artículo, con el objetivo de evaluar la composición óptima de materiales sólidos cristalinos que serán utilizados como electrolitos en las mencionadas baterías de estado sólido.  

En definitiva, la química computacional supone una oportunidad para lograr materiales y baterías más eficientes, que no sólo signifiquen una mejora de costes y eficiencia para la industria, sino que también ayuden a mejorar la sostenibilidad del planeta y el cuidado de su naturaleza.

Nota / agradecimientos: Los trabajos de investigación relacionados desarrollados en el CIC energiGUNE han recibido financiación del Ministerio de Ciencia e Innovación y la Agencia Estatal de Investigación de España (MCIN/ AEI /10.13039/501100011033) a través del proyecto ION-SELF (ref. PID2019-106519RB-I00).

Autor: Dr. Alfonso Gallo, investigador postdoctoral del grupo de investigación de Simulación Computacional de CIC energiGUNE.

Las cookies de este sitio web se usan para personalizar el contenido y los anuncios, ofrecer funciones de redes sociales y analizar el tráfico. Puedes obtener más información y configurar sus preferencias AQUÍ