Foto: Freepik
Las baterías que utilizan los vehículos eléctricos y otros tipos de dispositivos, como motonetas y scooters, contienen una mezcla de materiales electrolíticos que definen la capacidad y tiempo de duración y carga de las mismas. De acuerdo con TechCrunch, existen 10 billones de moléculas comerciales disponibles para crear los materiales electrolíticos en baterías.
De este modo, se evidencia que hallar la mezcla correcta de componentes para que una batería alcance las métricas de rendimiento deseadas es sumamente complejo. Ante ello, la compañía Aionics desarrolló una herramienta impulsada por inteligencia artificial (IA), centrada en los electrolitos, para acelerar la fabricación de baterías con buen rendimiento energético.
TechCrunch describe, las baterías de litio tienen tres principales componentes, dos electrodos, un ánodo (es el negativo) y el cátodo (carga positiva), y un electrolito, este último se encuentra entre ambos electrodos y mueve los iones entre la carga y la descarga. En vista de ello, los investigadores de Aionics determinaron que los electrolitos pueden utilizarse como catalizadores para maximizar el rendimiento y vida útil de la batería.
Según Aionics, la startup diseñó su herramienta impulsada por IA mediante la integración de datos de más de 200 formulaciones de electrolitos. Con ello, el entrenamiento del modelo se ideó para predecir las métricas del ciclo de vida con base en la identidad y concentraciones de los componentes del electrolito. Siendo así capaz de examinar hasta 10 mil moléculas por segundo y predecir cuál puede ser una combinación candidata para los requerimientos solicitados.
Aunado a ello, Aionics, asevera este proceso es 10 veces más preciso que las conjeturas aleatorias basadas en pruebas físicas. Del mismo modo, refieren, las pruebas tradicionales son capaces de analizar los componentes de los electrolitos, pero no de evaluar la interacción entre electrodos y la formación capaz de privación. La cual define la vida de la batería, pues la privación, crea una capa de protección entre los electrodos.
Por otra parte, Aionics estima que, con el tiempo, su herramienta sea capaz de diseñar nuevas moléculas, basadas en datos de materiales de baterías existentes y no solo en las combinaciones conocidas. El software que utilizan fue desarrollado por el programa de Descubrimiento de Sistemas Electroquímicos Computacionales Acelerados de la Universidad Carnegie Mellon. Por otra parte, los científicos de la startup han utilizado modelos de lenguaje basados en GTP4 y OpenAI para reducir las formulaciones generadas por el software. Para ello, el chatbot ha sido entrenado con libros y artículos de química especializados.
Este proceso de análisis ya está siendo aplicado por Aionics a otras áreas, como la construcción. La startup Chement, está trabajando en formas de utilizar la electricidad y materias primas renovables para impulsar reacciones químicas neutrales en carbono para la fabricación de cemento.
DESCARGA LA NOTA SÍGUENOS EN GOOGLE NEWS
