Investigadores del Instituto de Tecnolog\u00eda de Nueva Jersey (NJIT) han utilizado inteligencia artificial para abordar un problema cr\u00edtico que enfrenta el futuro del almacenamiento de energ\u00eda: encontrar alternativas asequibles y sostenibles a las bater\u00edas de iones de litio.<\/p>\n\n\n\n
En una investigaci\u00f3n publicada en Cell Reports Physical Science<\/a>, el equipo del NJIT, dirigido por el profesor Dibakar Datta, aplic\u00f3 con \u00e9xito t\u00e9cnicas de IA generativa para descubrir r\u00e1pidamente nuevos materiales porosos capaces de revolucionar las bater\u00edas de iones multivalentes. Estas bater\u00edas, que utilizan elementos abundantes como magnesio, calcio, aluminio y zinc, ofrecen una alternativa prometedora y rentable a las bater\u00edas de iones de litio<\/a>, que enfrentan desaf\u00edos de suministro global y problemas de sostenibilidad.<\/p>\n\n\n\n A diferencia de las bater\u00edas de iones de litio tradicionales, que se basan en iones de litio con una sola carga positiva, las bater\u00edas de iones multivalentes utilizan elementos cuyos iones tienen dos o incluso tres cargas positivas. Esto significa que las bater\u00edas de iones multivalentes pueden almacenar mucha m\u00e1s energ\u00eda, lo que las hace muy atractivas para futuras soluciones de almacenamiento de energ\u00eda. Sin embargo, el mayor tama\u00f1o y la mayor carga el\u00e9ctrica de los iones multivalentes hacen que sea dif\u00edcil acomodarlos de manera eficiente en materiales de bater\u00eda, un obst\u00e1culo que la nueva investigaci\u00f3n impulsada por IA del equipo de NJIT aborda directamente.<\/p>\n\n\n\n “Uno de los mayores obst\u00e1culos no fue la falta de qu\u00edmicas prometedoras para las bater\u00edas, sino la absoluta imposibilidad de probar millones de combinaciones de materiales”, afirm\u00f3 Datta. “Recurrimos a la IA generativa como una forma r\u00e1pida y sistem\u00e1tica de analizar ese vasto panorama e identificar las pocas estructuras que realmente podr\u00edan hacer pr\u00e1cticas las bater\u00edas multivalentes\u201d.<\/p>\n\n\n\n Este enfoque nos permite explorar r\u00e1pidamente miles de candidatos potenciales, acelerando dr\u00e1sticamente la b\u00fasqueda de alternativas m\u00e1s eficientes y sostenibles a la tecnolog\u00eda de iones de litio. Para superar estos obst\u00e1culos, el equipo del NJIT desarroll\u00f3 un novedoso enfoque de IA dual: un Autocodificador Variacional de Difusi\u00f3n Cristalina (CDVAE) y un Modelo de Lenguaje Grande (LLM) finamente ajustado. Juntas, estas herramientas de IA exploraron r\u00e1pidamente miles de nuevas estructuras cristalinas, algo previamente imposible con los experimentos de laboratorio tradicionales.<\/p>\n\n\n\n El modelo CDVAE se entren\u00f3 con amplios conjuntos de datos de estructuras cristalinas conocidas, lo que le permiti\u00f3 proponer materiales completamente novedosos con diversas posibilidades estructurales. Mientras tanto, el LLM se ajust\u00f3 para centrarse en los materiales con mayor estabilidad termodin\u00e1mica, crucial para la s\u00edntesis pr\u00e1ctica.<\/p>\n\n\n\n “Nuestras herramientas de IA aceleraron dr\u00e1sticamente el proceso de descubrimiento, que revel\u00f3 cinco estructuras de \u00f3xidos de metales de transici\u00f3n porosos completamente nuevas y con un gran potencial”, afirm\u00f3 Datta. “Estos materiales poseen canales amplios y abiertos, ideales para transportar estos voluminosos iones multivalentes de forma r\u00e1pida y segura, un avance crucial para las bater\u00edas de pr\u00f3xima generaci\u00f3n”.<\/p>\n\n\n\n El equipo valid\u00f3 sus estructuras generadas con IA utilizando simulaciones mec\u00e1nicas cu\u00e1nticas y pruebas de estabilidad, confirmando que los materiales podr\u00edan efectivamente sintetizarse experimentalmente y tienen un gran potencial para aplicaciones en el mundo real.<\/p>\n\n\n\n Datta enfatiz\u00f3 las implicaciones m\u00e1s amplias de su enfoque impulsado por IA: “Esto es m\u00e1s que simplemente descubrir nuevos\u00a0materiales para bater\u00edas<\/a>; se trata de establecer un m\u00e9todo r\u00e1pido y escalable para explorar cualquier\u00a0material avanzado<\/a>, desde la electr\u00f3nica hasta soluciones de energ\u00eda limpia, sin un extenso proceso de prueba y error”.<\/p>\n\n\n\n Con estos resultados alentadores, Datta y sus colegas planean colaborar con laboratorios experimentales para sintetizar y probar sus materiales dise\u00f1ados con IA, ampliando a\u00fan m\u00e1s los l\u00edmites hacia bater\u00edas de iones multivalentes comercialmente viables.<\/p>\n\n\n\n