Los científicos recurren a la IA para crear baterías más seguras

A raíz de la debacle de la batería de Samsung Galaxy Note 7 a principios de este año, que llevó a la retirada de casi dos millones de terminales y su suspensión, se dice que los científicos recurren a la inteligencia artificial para crear baterías más seguras para dispositivos.

Los problemas de la batería de Samsung estuvieron, sin duda, más allá de los habituales problemas con las baterías de iones de litio, pero no son los primeros en incendiarse, ni la primera empresa a hacer frente a una interrupción. Como resultado, los científicos han estado trabajando en encontrar una alternativa menos volátil a los electrolitos líquidos inflamables en estas baterías durante mucho tiempo.

Los últimos en mostrar sus hallazgos son un grupo de investigadores de la Universidad de Stanford, Estados Unidos, que han publicado sus hallazgos en el Journal of Energy & Environmental Science basado en técnicas adaptadas de la IA y el aprendizaje automático. La investigación identificó 21 materiales sólidos que podrían reemplazar electrolitos inflamables en baterías de iones de litio, mejorando la seguridad de dispositivos electrónicos como teléfonos celulares y ordenadores portátiles.

“Los electrolitos lanzan iones de litio hacia delante y hacia atrás entre los electrodos positivos y negativos de la batería”, dijo el autor principal del estudio Austin Sendek, doctorado en física aplicada y primer autor del artículo. “Los electrolitos líquidos son baratos y conducen los iones realmente bien, pero pueden prenderse fuego si la batería se recalienta o se cortocircuita por el pinchazo”.

MIRA TAMBIÉN  CES 2017: Nissan y la NASA solucionan uno de los mayores problemas del coche autónomo

Según Sendek, estos electrolitos sólidos tienen una gran ventaja sobre los líquidos utilizados en los métodos actuales. Por un lado, son más estables y mucho menos propensos a explotar o vaporizar que los disolventes orgánicos.

“También son mucho más rígidos y harían la batería estructuralmente más fuerte”, añade.

Pero en lugar de probar aleatoriamente compuestos individuales, el equipo se volvió hacia la IA y el aprendizaje automático para construir modelos predictivos a partir de datos experimentales. Ellos prepararon un algoritmo de computadora para aprender a identificar compuestos buenos y malos basados en datos existentes, al igual que un algoritmo de reconocimiento facial aprende a identificar caras después de ver varios ejemplos.

“El número de compuestos conocidos que contienen litio está en decenas de miles, la gran mayoría de los cuales no están probados”, agregó Sendek. “Algunos de ellos pueden ser excelentes conductores”.

El equipo desarrolló un modelo computacional que aprende de los datos limitados que ya tienen, y luego les permite proyectar candidatos potenciales de una enorme base de datos de materiales alrededor de un millón de veces más rápido que los métodos actuales de detección.

Para construir el modelo, Sendek pasó más de dos años reuniendo todos los datos científicos conocidos sobre compuestos sólidos que contenían litio.

“Austin recolectó toda la sabiduría de la humanidad sobre estos materiales, y muchas de las mediciones y datos experimentales que se remontan a décadas”, dijo Evan Reed, autor principal del artículo. “Utilizó ese conocimiento para crear un modelo que puede predecir si un material será un buen electrolito. Este enfoque permite el escrutinio de todo el espectro de materiales para identificar los materiales más prometedores para su estudio posterior”.

MIRA TAMBIÉN  Los científicos del MIT han creado un nanosensor digerible capaz de monitorizar tus constantes vitales

Eventualmente, los investigadores planean probar los 21 materiales en el laboratorio para determinar cuáles son los más adecuados para las condiciones del mundo real.

Deja un comentario