¿Quieres estar informado diariamente con las últimas novedades del mundo del motor?

Ahora noPermitir
    Autobild.es

    El ‘Machine Learning’ se convierte en la llave a un nuevo mundo de baterías más eficientes

    El ‘Machine Learning’ se convierte en la llave a un nuevo mundo de baterías más eficientes
    La inteligencia artificial tiene la capacidad de acelerar considerablemente la evolución de las baterías.
    David Plaza
    David Plaza7 min. lectura

    Las baterías de iones de litio copan el mercado y son las más utilizadas en los vehículos eléctricos. Sin embargo, la industria necesita encontrar una tecnología más eficaz que permita dar el siguiente paso.

    Jack Sundberg y su equipo del Warren Lab de la Universidad de Carolina del Norte han encontrado un sistema que puede acelerar enormemente la tecnología asociada a las baterías de iones de fluoruro.

    Actualmente, el mercado sólo tiene ojos para las baterías de iones de litio, que si bien han alcanzado un potencial bastante elevado, presentan ciertas limitaciones que animan a los investigadores y científicos a buscar alternativas.

    Esto es esencial para la evolución de la movilidad eléctrica y, además de las baterías de estado sólido o las baterías híbridas, se están desarrollando otras técnicas muy prometedoras.

    Baterías de iones de fluoruro

    Es el caso de las baterías de iones de fluoruro, que sobre el papel son ideales para todo tipo de baterías: desde vehículos eléctricos hasta productos electrónicos de consumo. Esto se debe a que los iones de fluoruro son ligeros, pequeños y muy estables.

    El fluoruro también es más barato que el litio y el cobalto que se requieren para las baterías de iones de litio. Además, los cálculos sugieren que las baterías de iones de fluoruro tienen potencial para una mayor capacidad de almacenamiento que las tecnologías de iones de litio.

    (a) Las búsquedas jerárquicas realizan cálculos sucesivos de calidad creciente y costo computacional, pero se utilizan predictores de baja calidad para eliminar la mayoría de los candidatos. Esta estrategia es posible solo cuando ya se conocen las heurísticas y no permite que los criterios de selección cambien en etapas posteriores. (b) La estrategia DDI utilizada en este estudio crea un conjunto de datos de referencia de alta calidad, que luego se utiliza para crear y refinar iterativamente cálculos rápidos. Se usa este enfoque para desarrollar un cálculo rápido de la movilidad del fluoruro y para predecir las alturas de las barreras para un grupo grande de candidatos.

    Sin embargo, la investigación de baterías de iones de fluoruro aún se encuentra en una fase temprana. La principal causa de esto es que no se conocen muchos materiales que conduzcan iones de fluoruro, un requisito vital ya que es el movimiento de estos iones lo que permite que estas baterías se carguen y descarguen.

    Por lo tanto, encontrar los mejores materiales para usar en baterías de iones de fluoruro había sido un desafío hasta ahora.

    Machine Learning

    La idea del equipo de trabajo de Jack Sundberg consiste en emplear supercomputadoras que pueden determinar de forma rápida y precisa la facilidad con la que se mueven los iones de fluoruro en cualquier fluoruro conocido que contenga cristal. Es lo que se conoce como Machine Learning o aprendizaje automático, una rama de la inteligencia artificial.

    Inicialmente, el equipo de investigación utilizó un método de cálculo jerárquico común para examinar una base de datos de 140.000 materiales conocidos, que posteriormente se redujo a 10.000 candidatos que contenían fluoruro.

    La informática al servicio de la ciencia.

    «Debido a que los conductores de iones de fluoruro no se han estudiado mucho, simplemente no sabíamos qué criterios adicionales aplicar para encontrar los mejores candidatos entre los 10.000», explica Warren.

    «La solución terminó siendo increíblemente simple: clasificar las estructuras en lugar de eliminarlas», dice Sundberg. «En los deportes, las clasificaciones de los equipos se actualizan a medida que avanza la temporada. Aquí, las clasificaciones de estructuras se actualizan a medida que aprendemos más sobre la difusión de fluoruro».

    Un compuesto de zinc-titanio

    El siguiente paso fue seleccionar al azar 300 de los 10.000 materiales. A continuación, se realizaron cálculos muy precisos para la capacidad de transporte de fluoruro de cada material.

    Estos cálculos de referencia se usaron para entrenar el sistema para desarrollar una versión mucho más rápida del cálculo: de una semana a sólo una hora por material. Luego, los investigadores fueron capaces de aplicar esto a los materiales restantes para determinar de manera rápida y precisa sus propiedades de conducción de fluoruro.

    «Lo que es realmente genial es que muchos de los materiales parecen ser mejores conductores que los que se usan en las baterías de iones de litio», dice Warren. Uno de estos materiales es un compuesto de zinc-titanio que contiene fluoruro, ZnTiF 6.

    «Este material es extremadamente barato, tiene excelentes propiedades de conducción de fluoruro y debería ser especialmente prometedor como electrolito para una batería de iones de fluoruro. Acabamos de presentar una patente para algunas de las composiciones más emocionantes», explica Warren.

    «Este trabajo permitiría a la comunidad química experimental del estado sólido centrar sus esfuerzos primero en las composiciones seleccionadas computacionalmente y, por lo tanto, acelerar el proceso de descubrimiento de materiales», dice Mauro Pasta, que investiga las baterías de iones de fluoruro en la Universidad de Oxford, Reino Unido. «Será emocionante ver cómo se exploran experimentalmente nuevas composiciones».

    Sundberg sugiere que no pasará mucho tiempo antes de que se prueben los materiales sugeridos, incluido el ZnTiF 6 . «Nuestros cálculos muestran que estos materiales son estables y pueden sintetizarse, por lo que otros estudiantes de nuestro laboratorio están trabajando para sintetizarlos experimentalmente y probar sus propiedades», concluye.

    Fuente: Nature.com / Fotos: Freepik