.

Inteligencia Artificial

Cómo la IA podría impulsar la investigación sobre baterías

1

Construir mejores baterías es un reto técnico difícil, pero la IA podría ayudar

  • por Casey Crownhart | traducido por
  • 18 Octubre, 2023

La semana pasada, durante una de las últimas sesiones de nuestro evento ClimateTech, oí hablar de cómo la IA podría ayudar a desarrollar materiales para las baterías de los futuros deportivos eléctricos. 

Mantuve una conversación con Venkat Viswanathan, profesor asociado en Carnegie Mellon (Pensilvania, EE UU), sobre el potencial de la aviación eléctrica. Una perspectiva apasionante, además de un gran reto, dadas las enormes exigencias a las que se ven sometidas las baterías durante el vuelo. Las baterías actuales no sirven para volar.

En nuestra charla, Viswanathan explicó que una de las razones por las que veía esperanza en la aviación eléctrica era el potencial de la IA para acelerar la investigación sobre baterías. De hecho, en 2020 cofundó la empresa Aionics para introducir la IA en el desarrollo de baterías.

En el escenario de ClimateTech, Viswanathan anunció una nueva asociación de investigación que, según él experto, podría hacer de la IA una fuerza clave en el desarrollo de las futuras baterías de los vehículos eléctricos. El acuerdo es entre Aionics y Cellforce, un fabricante alemán de baterías y filial de Porsche. Aionics ayudará a Cellforce a diseñar nuevos materiales electrolíticos con la esperanza de fabricar baterías mejores.

Todavía me entusiasma esta conversación y todas las charlas de ClimateTech, así que profundicemos un poco más para ver cómo la IA podría ayudar a impulsar el progreso en las baterías.

Pisar el acelerador

Necesitamos mejores baterías. Los vehículos eléctricos, que se cargan más rápido y almacenan más energía, ayudarían a retirar de las carreteras más coches impulsados por combustibles fósiles. En algunos sectores, como el de la aviación, serán necesarios avances técnicos significativos en la química de las baterías para poner en marcha nuevas tecnologías limpias.

Sin embargo, las nuevas baterías, que fueron ideadas en un laboratorio, tienen un largo recorrido antes de producirse a gran escala. Es un camino que puede llevar más de una década.

Durante nuestra sesión en ClimateTech, Viswanathan esbozó este problema y señaló el rastreador de fitness que llevaba en la muñeca, que contenía una batería fabricada por Sila. Su novedoso ánodo está hecho de silicio, lo que ayuda a almacenar más energía en el dispositivo. Según la empresa, se necesitaron más de 55.000 iteraciones para dar con la composición química de la batería de este diminuto producto.

Esta es una situación bastante habitual para los desarrolladores de baterías y un gran cuello de botella para las nuevas tecnologías, aseguró Austin Sendek, también cofundador de Aionics, en una llamada antes del evento. "Hay tanta urgencia en torno a las baterías y la tecnología climática que el antiguo método de ensayo y error no funcionará", afirmó Sendek.

El problema es que hay un número casi insondable de materiales y combinaciones de materiales que se pueden utilizar en las baterías. Sendek cifra en miles de millones las sustancias químicas disponibles en el mercado que podrían utilizarse. "Son demasiados para que sepamos qué hacer con ellos".

Aionics trabaja en el uso de herramientas de IA para ayudar a los investigadores a encontrar rápidamente mejores productos químicos para las baterías. La empresa se centra en el electrolito, el material que transporta la carga en las baterías. "Es una gran oportunidad para acelerar todo este sector", afirma Sendek.

Cambiar de marcha

¿Cómo funciona todo esto? Bajo el paraguas de la IA, hay una amplia gama de herramientas que Aionics espera que fomenten la fabricación de mejores baterías para los futuros vehículos eléctricos y otras aplicaciones.

  1. El aprendizaje automático puede clasificar una amplia gama de opciones. Incluso si solo se tienen en cuenta los productos químicos que se utilizan ahora en las baterías, hay un gran número de combinaciones sobre la mesa. Las herramientas de aprendizaje automático pueden ayudar a diseñar experimentos para acelerar el proceso de selección de estas opciones, pues optimiza al mismo tiempo el resultado deseado. En un artículo reciente, Viswanathan y sus coautores utilizaron estas herramientas para encontrar electrolitos que ayudaran a las baterías a cargarse más rápido, como escribió mi colega James Temple en 2022.
  2. La IA generativa puede diseñar nuevos materiales. Es posible ir más allá incluso de los miles de millones de moléculas disponibles en la actualidad. Al utilizar modelos generativos entrenados en materiales de baterías existentes, Aionics espera desarrollar nuevos materiales que aún no se han descubierto. Esas moléculas pueden añadirse a la cadena de síntesis y probarse en baterías. La idea es similar al uso de la IA para el descubrimiento de fármacos, un tema que Will Douglas Heaven, mi colega de nuestro equipo de IA, trató en profundidad a principios de este año.
  3. Los grandes modelos lingüísticos pueden ayudar a los investigadores a trabajar más rápido. En otro anuncio hecho en ClimateTech, Viswanathan compartió los avances de ElectroBot, un gran modelo lingüístico desarrollado por Aionics. El modelo, que se ha entrenado a partir de libros de texto e investigaciones publicadas sobre química de electrolitos, ayuda a responder preguntas sobre propiedades químicas o da sugerencias para resolver problemas en el laboratorio. Este tipo de modelos de inteligencia artificial suelen tener problemas de "alucinación", es decir, generan respuestas que no se ajustan a la realidad. La empresa está trabajando para combatir este problema en su modelo con respuestas que remitan a los científicos a libros de texto o artículos publicados.

Como explicó Viswanathan en el escenario, la IA podría ser nuestra mejor baza para acelerar los plazos de desarrollo de las baterías. Sin duda, seguiré de cerca este tema en el futuro. Mientras tanto, echa un vistazo a algunos de nuestros artículos recientes sobre los materiales de las baterías y la IA.

Lecturas relacionadas

La IA y los robots pueden ayudar a los investigadores a desarrollar nuevas baterías, como mi colega James Temple publicó en un artículo en 2022.

Los materiales de las baterías pueden parecer de nicho, pero podrían ser cruciales para llevar mejores productos a las carreteras. Lee más sobre cómo los nuevos materiales podrían ayudarte a cargar más rápido tu vehículo eléctrico en este artículo que escribí a principios de 2023.

Gigantes de las baterías, como BYD, aumentan la producción a un ritmo vertiginoso, abaratando las baterías en general. Lea más sobre esta empresa, una de nuestras 15 compañías a seguir de cerca, según este perfil de mi colega Zeyi Yang.

En otro orden de cosas

Si no pudiste acompañarnos en ClimateTech este año, aquí un par de momentos destacados de la exposición.

Más de 400 días después de su aprobación en EE UU, la gran Ley del Clima sigue en boca de todos. James Temple se reunió con Leah Stokes, experta en Política Medioambiental, para hablar de esta y otras ideas clave de la política climática. Vea la sesión aquí.

Además, presentamos nuestra lista de 15 empresas de tecnología climática que habrá que seguir en 2023. En una sesión especial, Mat Honan, redactor jefe de MIT Technology Review, y yo repasamos todas las empresas en solo seis minutos. Si te perdiste este momento de diversión, puedes consultar la lista completa aquí, y leer más sobre por qué decidimos elaborar este proyecto y cómo elegimos las empresas, aquí.

Inteligencia Artificial

 

La inteligencia artificial y los robots están transformando nuestra forma de trabajar y nuestro estilo de vida.

  1. Esta IA ayuda a que los profesores enseñen mejor matemáticas a los niños

    La herramienta, llamada Tutor CoPilot, demuestra cómo la IA podría mejorar, en lugar de sustituir, el trabajo de los educadores

  2. Meta ofrece gratis un gran conjunto de datos para acelerar el descubrimiento de nuevos materiales mediante IA

    Open Materials 2024 (OMat24) es uno de los mayores conjuntos de datos de entrenamiento de IA para la ciencia de materiales y está disponible de forma abierta y gratuita

  3. ChatGPT discrimina por raza y género según el nombre de usuario en el 0,1% de las interacciones

    MIT Technology Review accede en exclusiva a la investigación sobre estereotipos negativos en los grandes modelos lingüísticos de la empresa