Materials modelling for energy storage applications

L'obiettivo principale di questo progetto è quello di sviluppare e applicare nuovi metodi computazionali e sperimentali finalizzati alla ricerca di nuovi materiali con proprietà su misura. Come applicazione, abbiamo scelto i materiali per lo stoccaggio dell'idrogeno, sia per le sfide scientifiche che pongono, sia per il loro grande potenziale di beneficio socio-economico. La scienza computazionale dei materiali è maturata ad un livello tale che ora è applicata a discipline come la biologia, le scienze della terra, l'ingegneria e altre. Metodi affidabili per prevedere le proprietà dei materiali richiedono l'uso delle leggi fondamentali della meccanica quantistica. Il cavallo di battaglia del campo è la teoria del funzionale densità (DFT), che è per lo più affidabile. Il punto cruciale, tuttavia, è l'avverbio per lo più, poiché esistono casi in cui la DFT non è abbastanza buona. Sfortunatamente, si tratta di problemi di grande interesse scientifico e tecnologico, per esempio l'energia di formazione di nuovi potenziali materiali per applicazioni di immagazzinamento dell'energia. La difficoltà in questo caso sta nella richiesta per questi materiali è quella di legarsi all'idrogeno con un'energia di legame relativamente debole, che dovrebbe essere nell'intervallo 200-400 meV per molecola H2. Raggiungere una precisione assoluta utile per mirare a questo intervallo di energia non è generalmente possibile con la DFT. Come spiegato nella proposta progettuale, legare l'idrogeno con un materiale è fondamentale per ridurre la pressione del vapore in un serbatoio di idrogeno, in cui attualmente è semplicemente compresso a circa 700 bar. Alte energie di legame producono grandi riduzioni della pressione del vapore, ma poi rendono anche più difficile l'estrazione dell'idrogeno dal serbatoio, da qui la necessità di un compromesso. Per molti anni, il nostro gruppo ha costantemente contribuito allo sviluppo del metodo Quantum Monte Carlo (QMC), e ha dimostrato che la tecnica è in grado di riempire il vuoto di accuratezza lasciato dalla DFT. Il metodo QMC è molto pesante dal punto di vista computazionale, ma aiutati dal nostro successo nell'ottenere l'accesso ai più grandi computer del mondo, siamo ora in grado di impiegare questa tecnica per un nuovo entusiasmante protocollo: combinando QMC con metodi meno costosi come DFT e, cosa fondamentale, validandoli con nuove tecniche sperimentali per produrre superfici con definizione a livello atomico, ci proponiamo di dimostrare che siamo in grado di prevedere l'energia di legame di dell'idrogeno molecolare con superfici selezionate utilizzabili per scopi di stoccaggio dell'energia. La tempistica di questo progetto coincide con i nuovi sviluppi nelle tecniche sperimentali, in particolare la capacità di depositare cluster di elementi selezionati formati da un numero predeterminato di atomi. La combinazione di queste tecniche di crescita con metodi consolidati di spettroscopia di fotoemissione a raggi x ci permetterà di costruire sistemi con strutture note e ben definite, che possono poi essere simulate usando i metodi teorici descritti sopra. Tecniche consolidate di desorbimento termico programmato saranno utilizzate per dedurre le energie di legame dell'idrogeno, che potranno poi essere confrontate direttamente con le previsioni teoriche.

The main objective of this project will be to develop and apply new computational and experimental methods aimed at the search of new energy storage materials with bespoke properties. As application, we have chosen materials for hydrogen storage, both because of the scientific challenges they pose, and because of their great socio-economic benefit potential. Computational materials science has matured into a field now applied to disciplines including Biology, Earth sciences, Engineering and others. Reliable methods to predict materials properties require use of the basic laws of quantum mechanics. The work-horse of the field is density functional theory (DFT), which is mostly reliable. The crux, however, is the adverb mostly, as there are cases where DFT is not good enough. Unfortunately, these are problems of great scientific and technological interest, e.g. the formation energy of prospective new materials for energy storage applications, which determines their potential for mobile applications. The difficulty here is the requirement for these materials to provide a relatively weak binding energy, which should be in the range 200-400 meV per H2 molecule. Achieving useful absolute accuracy to target this energy range is not generally possible with DFT. As explained in the main proposal, binding hydrogen with an appropriate material would be used to reduce the vapor pressure in a hydrogen tank, in which at present it is simply compressed to 700 bars. High binding energies produce large reductions of the vapor pressure, but then also make it more difficult to get the hydrogen out of the tank, hence the need for a compromise. For many years, our group has consistently contributed to the development of the quantum Monte Carlo (QMC) method, and shown that the technique is capable of filling the gap of accuracy left by DFT. The QMC method is computationally very heavy, but helped by our success at obtaining access to the largest computers in the world, we are now in a position to deploy this technique for a new exciting protocol: by combining QMC with less expensive methods such as DFT and, crucially, validating them with new experimental techniques to produce surfaces with atomic level definition, we aim to demonstrate that we are able to predict the binding energy of H2 to selected sorbents with useful accuracy for energy storage purposes. The timing of this project coincides with new developments in experimental techniques, particularly the ability to deposit clusters of selected elements formed by a pre-determined number of atoms. The combination of these growing techniques with established x-ray photoelectron spectroscopy methods will allow us to build systems with known and well-defined structures, which can then be simulated using the theoretical methods described above. Established thermal programmed desorption techniques will be used to infer the hydrogen binding energies, which can then be directly compared with the theoretical predictions.