Descubren con ayuda de la IA un diseño para baterías que usa un 70% menos de litio

La Inteligencia Artificial no solo puede ser de gran ayuda en tareas que impliquen la generación de contenido o la mejora de la precisión en distintas tareas de diagnóstico y análisis. También puede ser de gran ayuda para acelerar los resultados de proyectos y tareas de muy diversos tipos. Un ejemplo lo tenemos en el proceso de descubrimiento y prueba de nuevos materiales y productos. Como muestra, el descubrimiento con la ayuda de la IA de un diseño nuevo para baterías que se caracteriza por utilizar un 70% menos de litio.

Esta nueva batería, gracias a esto, tiene un proceso de desarrollo más económico. El motivo es que para poder desarrollarse y funcionar depende menos del litio, un mineral caracterizado por tener un precio bastante elevado. Además, en su extracción también se daña el medio ambiente, por lo que cuanto menos se utilice en las baterías, menos será necesario extraer.

Dar con un sustituto para el litio ha demostrado ser una tarea complicada y costosa, que además necesita mucho tiempo para hacerse realidad. Por eso, en Microsoft se pusieron manos a la obra para reducir el tiempo necesario para conseguirlo, de la mano de la Inteligencia Artificial. Nathan Baker y un equipo de compañeros lo han conseguido en solo unos meses, en una investigación apoyada por la IA que ha desembocado en el diseño de esta batería.

Los investigadores se centraron en un tipo de batería que está compuesta únicamente por partes sólidas, y buscaron nuevos materiales para el componente a través del que se mueven las cargas eléctricas, que se conoce como electrolito. Empezaron probando nada menos que 23,6 millones de materiales candidatos a sustituir al litio diseñados adaptando la estructura de los electrolitos ya dispuestos, e intercambiando algunos átomos de litio por otros elementos.

Entonces, un algoritmo de IA eliminó los materiales que calculaba que serían inestables, así como aquellos en los que las reacciones químicas que hacían funcionar a las baterías serían débiles. Los investigadores también tuvieron en cuenta cómo se comportaría cada material mientras la batería estuviese funcionando de manera activa. Solo unos días después de haber iniciado las pruebas, la lista de materiales candidatos se había reducido a unos pocos cientos, de los que algunos no se habían estudiado hasta entonces.

Pero los investigadores, de Microsoft, no eran científicos, así que pasados unos días, Nathan Baker se puso en contacto con varios expertos que habían trabajado en proyectos relacionados con baterías a gran escala del Departamento de Energía de Estados Unidos para pedirles sup opinión sobre lo que estaban haciendo.

Uno de los científicos que contestó a sus llamadas fue Vijay Murugesan, del Laboratorio Nacional Pacific Northwest de Washington. Él y su equipo sugirieron a Baker y el suyo varias pruebas y criterios adicionales para la IA. Después de varias rondas más de eliminación, El equipo de Murugesan seleccionó uno de los materiales sugeridos por la IA para sintetizarlo en el laboratorio. Destacó porque la mitad de lo que Murugesan creía que podrían ser átomos de litio se habían sustituido por sodio. Para él, es un compuesto muy nuevo para un electrolito, y tener los dos elementos actuando juntos abre preguntas sobre la física básica del funcionamiento de los materiales en una batería.

Su equipo desarrolló una batería funcional con este material, aunque con una conductividad menor que la de otros prototipos que usan más litio. Tanto Baker como Murugesan señalan que todavía queda mucho trabajo por hacer para optimizar la nueva batería que han diseñado, pero su proceso de desarrollo, que va desde el tiempo que Murugesan habló con el equipo de Microsoft que estaba descartando los primeros materiales hasta que la batería fue una realidad y puso encender una bombilla, pasaron solo nueve meses.

El equipo utilizó la Inteligencia Artificial para acelerar y amplificar los cálculos que otros investigadores llevaban décadas haciendo. Eso sí, este enfoque para el descubrimiento y prueba de materiales puede encontrarse con barreras en el futuro. Los datos necesarios para entrenar una IA para realizar este tipo de trabajo a veces son escasos, y hay materiales que pueden necesitar un sistema más complejo de combinación de elementos que los precisos para el descubrimiento de nuevos componentes para el desarrollo de una batería.