Investigadores del Instituto de Tecnología de Nueva Jersey (NJIT) han utilizado inteligencia artificial para abordar un problema crítico que enfrenta el futuro del almacenamiento de energía: encontrar alternativas asequibles y sostenibles a las baterías de iones de litio.
En una investigación publicada en Cell Reports Physical Science, el equipo del NJIT, dirigido por el profesor Dibakar Datta, aplicó con éxito técnicas de IA generativa para descubrir rápidamente nuevos materiales porosos capaces de revolucionar las baterías de iones multivalentes. Estas baterías, que utilizan elementos abundantes como magnesio, calcio, aluminio y zinc, ofrecen una alternativa prometedora y rentable a las baterías de iones de litio, que enfrentan desafíos de suministro global y problemas de sostenibilidad.
A diferencia de las baterías de iones de litio tradicionales, que se basan en iones de litio con una sola carga positiva, las baterías de iones multivalentes utilizan elementos cuyos iones tienen dos o incluso tres cargas positivas. Esto significa que las baterías de iones multivalentes pueden almacenar mucha más energía, lo que las hace muy atractivas para futuras soluciones de almacenamiento de energía. Sin embargo, el mayor tamaño y la mayor carga eléctrica de los iones multivalentes hacen que sea difícil acomodarlos de manera eficiente en materiales de batería, un obstáculo que la nueva investigación impulsada por IA del equipo de NJIT aborda directamente.
“Uno de los mayores obstáculos no fue la falta de químicas prometedoras para las baterías, sino la absoluta imposibilidad de probar millones de combinaciones de materiales”, afirmó Datta. “Recurrimos a la IA generativa como una forma rápida y sistemática de analizar ese vasto panorama e identificar las pocas estructuras que realmente podrían hacer prácticas las baterías multivalentes”.
Este enfoque nos permite explorar rápidamente miles de candidatos potenciales, acelerando drásticamente la búsqueda de alternativas más eficientes y sostenibles a la tecnología de iones de litio. Para superar estos obstáculos, el equipo del NJIT desarrolló un novedoso enfoque de IA dual: un Autocodificador Variacional de Difusión Cristalina (CDVAE) y un Modelo de Lenguaje Grande (LLM) finamente ajustado. Juntas, estas herramientas de IA exploraron rápidamente miles de nuevas estructuras cristalinas, algo previamente imposible con los experimentos de laboratorio tradicionales.
El modelo CDVAE se entrenó con amplios conjuntos de datos de estructuras cristalinas conocidas, lo que le permitió proponer materiales completamente novedosos con diversas posibilidades estructurales. Mientras tanto, el LLM se ajustó para centrarse en los materiales con mayor estabilidad termodinámica, crucial para la síntesis práctica.
“Nuestras herramientas de IA aceleraron drásticamente el proceso de descubrimiento, que reveló cinco estructuras de óxidos de metales de transición porosos completamente nuevas y con un gran potencial”, afirmó Datta. “Estos materiales poseen canales amplios y abiertos, ideales para transportar estos voluminosos iones multivalentes de forma rápida y segura, un avance crucial para las baterías de próxima generación”.
El equipo validó sus estructuras generadas con IA utilizando simulaciones mecánicas cuánticas y pruebas de estabilidad, confirmando que los materiales podrían efectivamente sintetizarse experimentalmente y tienen un gran potencial para aplicaciones en el mundo real.
Datta enfatizó las implicaciones más amplias de su enfoque impulsado por IA: “Esto es más que simplemente descubrir nuevos materiales para baterías; se trata de establecer un método rápido y escalable para explorar cualquier material avanzado, desde la electrónica hasta soluciones de energía limpia, sin un extenso proceso de prueba y error”.
Con estos resultados alentadores, Datta y sus colegas planean colaborar con laboratorios experimentales para sintetizar y probar sus materiales diseñados con IA, ampliando aún más los límites hacia baterías de iones multivalentes comercialmente viables.
Fuente: Tech Xplore.
