Kryo-Bildgebung und Deep Learning bringen Licht in Brennstoffzellen-Katalysatorschichten
Erste Erkenntnisse über die Nanostruktur von Platinkatalysatorschichten
© INE EPFL
Protonenaustauschmembran-Brennstoffzellen (PEMFC), die für den Einsatz in Elektrofahrzeugen entwickelt werden, stützen sich auf Nanopartikel, so genannte Katalysatoren, um stromerzeugende Reaktionen zwischen Wasserstoff und Sauerstoff auszulösen. Die meisten PEMFC-Katalysatoren enthalten Platin - ein knappes und kostbares Metall. Daher besteht weltweit ein dringender Bedarf an der Entwicklung von Katalysatoren, die bei möglichst geringem Platingehalt möglichst viel Strom erzeugen können.
Die Hersteller integrieren diese Katalysatoren in komplexe Baugruppen, die als Katalysatorschichten bezeichnet werden. Bisher mussten sie dies ohne ein detailliertes Bild der entstehenden Struktur tun, da herkömmliche bildgebende Verfahren fast immer einen gewissen Grad an Beschädigung verursachen.
Vasiliki Tileli, Leiterin des Labors für In-situ-Charakterisierung von Nanomaterialien mit Elektronen an der School of Engineering, hat einen Weg gefunden, diese Herausforderung zu umgehen. Indem sie Katalysatoren und ihre Umgebung bei Temperaturen unter dem Gefrierpunkt mit Hilfe der kryogenen Transmissionselektronen-Tomographie abbildet und die Bilder mit Deep Learning verarbeitet, ist es ihr und ihren Kollegen gelungen, erstmals die Struktur von Katalysatorschichten im Nanomaßstab aufzudecken.
"Wir sind noch weit entfernt von PEMFCs ohne Platin, das sehr teuer ist. Kurzfristig müssen wir also die Platinbeladung reduzieren, um diese Technologie für die Massenproduktion tauglich zu machen. Daher ist es wichtig zu verstehen, wie das Platin im Verhältnis zu anderen Materialien in der Katalysatorschicht angeordnet ist, um die für die chemischen Reaktionen erforderliche Kontaktfläche zu vergrößern", erklärt Tileli.
"Deshalb ist es eine große Leistung, diese Katalysatoren dreidimensional abzubilden; vorher war es unmöglich, den richtigen Kontrast zwischen den verschiedenen Komponenten der Katalysatorschicht zu erzielen".
Die Arbeit wurde kürzlich in der Zeitschrift Nature Catalysis veröffentlicht.
Bessere Konservierung, höhere Auflösung
Bei der Bildgebung mit der herkömmlichen Elektronenmikroskopie werden die empfindlichen Proben der Katalysatorschichten häufig durch die Elektronenstrahlen beschädigt, wodurch die Materialien schrumpfen oder sich verformen. Indem sie die Bildgebung in-situ bei Kryo-Temperaturen durchführten, konnten Tileli und ihr Team die Morphologie der Katalysatorschicht weitgehend erhalten. Anschließend nutzten sie einen Algorithmus für maschinelles Lernen, um die Bilder genauer zu entrauschen und zu klassifizieren, wodurch sie eine höhere Bildauflösung als je zuvor erreichen konnten.
Entscheidend war, dass die Wissenschaftler die heterogene Dicke einer porösen Polymerschicht auf den Katalysatoren, des so genannten Ionomers, aufzeigen konnten. Die Dicke des Ionomers hat großen Einfluss darauf, wie gut die Platinkatalysatoren funktionieren.
"Das Ionomer muss eine bestimmte Dicke haben, damit die katalytischen Reaktionen effizient ablaufen können. Da wir eine vollständige Rekonstruktion der Katalysatorschichten mit begrenzter Beschädigung der Struktur durchführen konnten, konnten wir zum ersten Mal zeigen, wie viel Platin mit Ionomer bedeckt ist und wie dick diese Bedeckung ist", erklärt Tileli.
Solche Informationen könnten eine Goldgrube für Katalysatorhersteller sein, die sie nutzen könnten, um Katalysatoren mit mehr Platinpartikeln herzustellen, die von der richtigen Menge Ionomer bedeckt sind - und die daher optimal funktionieren.
"Der Kryo-Aspekt ist die Schlüsselkomponente dieser Studie. Ionomere sind wie Proteine: Sie sind weich und benötigen Gefrierbedingungen, um ihre Struktur zu stabilisieren und zu schützen", sagt Tileli.
"Ich denke, dass diese fortschrittliche Technik daher nicht nur die Massenherstellung von PEMFCs durch optimierten Platineinsatz erleichtern wird, sondern auch für viele andere materialwissenschaftliche und energetische Anwendungen nützlich sein wird - zum Beispiel für Batteriespeicher, Wasserelektrolyse und Energieumwandlungssysteme im Allgemeinen."
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.