工程師們正積極運用計算工具開發創新的儲能技術，這些技術對於有效利用永續能源及驅動電動車輛至關重要。近期，研究人員成功建立了一個新的古典物理模型，旨在解決儲能領域一個複雜的面向：動態非平衡過程。這些過程在電池充電與放電期間，會擾亂材料的化學、機械及物理平衡。
由北卡羅來納州立大學的陳宏江（Hongjiang Chen）及其指導教授黃曉瑩（Hsiao-Ying Shadow Huang）共同開發的「陳-黃非平衡相變（NExT）模型」，已於2025年7月10日在《美國物理化學期刊C》上發表。此模型旨在深化我們對鋰離子電池在快速充放電循環下行為的理解。一般而言，鋰離子電池在斷電後會趨向於一個沒有電流流動、離子濃度均勻的平衡狀態。然而，即使是緩慢的充放電過程，也發生在非平衡條件下。快速的充放電則會顯著偏離此平衡狀態，引發影響電池性能與壽命的物理及化學變化。
在快速充電過程中，不均勻的離子分佈和顯著的熱量產生會在電池內部形成溫度梯度，導致反應速率差異並進一步破壞系統穩定性。同時，電池的運作電壓也會遠離其理想狀態，需要較大的過電位將其推離平衡。離子的快速移動會導致材料以超出其機械調整能力的速率膨脹與收縮，進而產生內部應力。這種機械應力可能在電極材料中造成裂痕，加速磨損。對於像磷酸鐵鋰（LiFePO4）這類材料，這些條件會迫使結構快速轉變，而非透過穩定的熱力學過程進行。
理解這些非平衡過程對於開發能平衡速度、安全與壽命的快速充電協議至關重要。同時，這也是建立有效熱管理系統及設計更能承受這些動態條件的電極材料的關鍵。現有的模型常因簡化假設及忽略了質量傳輸等複雜現象，導致預測準確性受限。
NExT 模型解釋了像磷酸鐵鋰（LFP）和鎳錳鈷（NMC）等材料在非平衡條件下如何經歷相變。它引入了「路徑因子」，影響離子嵌入與移除過程中的能量變化，並與鋰含量及機械應變等特性相互作用。模擬顯示，位錯密度在驅動快速電化學反應中的結構變化方面扮演著關鍵角色。該模型透過將模擬結果與 LFP 和 NMC 材料在不同充放電速率下的實驗數據進行比對，得到了驗證，其結果支持了該模型作為理解和潛在改善電池性能的工具。此模型可整合至計算工具中，以工程化設計出更優良的電池。
儘管目前主要聚焦於鋰離子電池，NExT 模型的基本原理亦廣泛適用於其他儲能系統，包括多價電池。這些系統常展現出更複雜的離子-基質交互作用，其中非平衡效應更為顯著。NExT 模型透過提供一個用於速率依賴性過程的預測工具，為計算材料科學做出了貢獻，支持下一代儲能材料與裝置的合理設計，並透過基於物理且經過實驗驗證的模型加速材料的發現與優化。研究顯示，透過精確的建模，可以預見並緩解因快速充放電引起的材料應力與降解，這對於提升電動車的續航里程和縮短充電時間具有深遠意義。例如，有研究指出，透過機器學習技術結合物理模型，能更精準地預測電池的剩餘使用壽命，這對於電池管理系統的優化至關重要，進一步提升了能源儲存的可靠性與永續性。