La IA está impulsando el desarrollo de baterías a toda marcha

Dentro de un laboratorio En el Instituto de Energía Precourt de la Universidad de Stanford, hay media docena de gabinetes del tamaño de un refrigerador diseñados para apagar las baterías lo más rápido posible. Cada uno tiene alrededor de 100 celdas de iones de litio aseguradas en bandejas que pueden cargar y descargar las baterías docenas de veces al día. Por lo general, las baterías que entran en estas cámaras de tortura electroquímicas se encuentran dentro de dispositivos o vehículos eléctricos, pero cuando se colocan en estas enormes máquinas, no alimentan nada en absoluto. En cambio, la energía se vierte dentro y fuera de estas celdas lo más rápido posible para generar una gran cantidad de datos de rendimiento que enseñarán a la inteligencia artificial cómo construir una mejor batería.

En 2019, un equipo de investigadores de Stanford, MIT y el Instituto de Investigación de Toyota utilizó IA capacitada en datos generados por estas máquinas para predecir el rendimiento de las baterías de iones de litio durante la vida útil de las células antes de que su rendimiento comenzara a decaer. Normalmente, la IA necesitaría datos de después una batería había comenzado a degradarse para predecir cómo funcionaría en el futuro. Es posible que se necesiten meses para realizar un ciclo de batería lo suficiente para obtener esos datos. Pero la inteligencia artificial de los investigadores podía predecir el rendimiento de por vida después de solo horas de recopilación de datos, mientras la batería aún estaba en su punto máximo. “Antes de nuestro trabajo, nadie pensó que eso fuera posible”, dice William Chueh, científico de materiales en Stanford y uno de los autores principales del artículo de 2019. Y a principios de este año, Chueh y sus colegas lo volvieron a hacer. en un papel publicado en Naturaleza En febrero, Chueh y sus colegas describieron un experimento en el que una IA pudo descubrir el método óptimo para cargar rápidamente una batería de iones de litio en 10 minutos.

Muchos expertos piensan baterías de carga rápida será fundamental para la adopción de vehículos eléctricos, pero descargar suficiente energía para recargar una celda en la misma cantidad de tiempo que lleva llenar un tanque de gasolina puede matar rápidamente su rendimiento. Sacar las baterías de carga rápida del laboratorio y llevarlas al mundo real significa encontrar el punto óptimo entre la velocidad de carga y la vida útil de la batería. El problema es que, efectivamente, existe un número infinito de formas de cargar una batería; Chueh lo compara con buscar la mejor manera de verter agua en un balde. Examinar experimentalmente todas esas posibilidades para encontrar la mejor es una tarea lenta y ardua, pero ahí es donde la IA puede ayudar.

En su investigación, Chueh y sus colegas lograron optimizar un protocolo de carga rápida para una batería de iones de litio en menos de un mes; para lograr esos mismos resultados sin la ayuda de la IA, normalmente se necesitarían unos dos años. “Al final del día, consideramos que nuestro trabajo consiste en acelerar el ritmo de I + D de baterías”, dice Chueh. “Ya sea descubriendo una nueva química o encontrando una manera de hacer una batería más segura, todo lleva mucho tiempo. Estamos tratando de ahorrar tiempo “.

Durante la última década, el rendimiento de las baterías se ha disparado y su costo se ha desplomado. Dado que muchos expertos ven la electrificación de todo como clave para descarbonizar nuestros sistemas energéticos, esta es una buena noticia. Pero para investigadores como Chueh, el ritmo de la innovación de las baterías no está sucediendo lo suficientemente rápido. La razón es simple: las baterías son extremadamente complejas. Construir una batería mejor significa optimizar sin piedad en cada paso del proceso de producción. Se trata de utilizar materias primas menos costosas, mejor química, técnicas de fabricación más eficientes. Pero hay un lote de parámetros que se pueden optimizar. Y a menudo, una mejora en un área, por ejemplo, la densidad de energía, tendrá el costo de obtener ganancias en otra área, como la tasa de carga.

Fuente

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí