La inteligencia artificial generativa (AI) ha ayudado a un grupo de científicos a identificar cinco materiales nuevos que podrían alimentar la próxima ola de baterías sin depender del litio. El estudio, publicado el 26 de junio en la ciencia física de los informes celulares, se centra en materiales que podrían permitir baterías de iones multivalentes, una tecnología promocionada por su potencial, pero obstaculizado por desafíos prácticos. El problema de litio para las baterías domina el litio en las baterías utilizadas en todo, desde teléfonos inteligentes hasta vehículos eléctricos, pero enfrenta desafíos: es costoso extraer, concentrarse geográficamente y viene con preocupaciones ambientales y geopolíticas. Como demanda global de baterías, los investigadores están corriendo para encontrar alternativas viables que sean abundantes y eficientes. Las baterías de iones multivalentes ofrecen un camino potencial hacia adelante. A diferencia de las baterías de iones de litio, que transportan una sola carga positiva, baterías de iones multivalentes que utilizan materiales como magnesio o zinc tienen dos o tres. En la teoría, esto significa que pueden empacar más energía en el mismo espacio. Sin embargo, su mayor tamaño y su carga más fuerte les dificultan moverse a través de los materiales estándar de la batería. «Uno de los mayores obstáculos no era la falta de químicas de batería prometedores: era la imposibilidad de probar millones de combinaciones de materiales», dijo el autor principal Dibakar Datta, profesor de ingeniería mecánica e industrial del Instituto de Tecnología de Nueva Jersey. «Recurrimos a la IA generativa como una forma rápida y sistemática de examinar ese vasto paisaje y detectar las pocas estructuras que realmente podrían hacer prácticas baterías multivalentes». Para abordar el desafío, el equipo de Datta desarrolló un sistema de «IA dual». La primera parte, un autoencoder variacional de difusión de cristal (CDVAE), fue entrenado en vastas conjuntos de datos de estructuras cristalinas conocidas. Podría generar óxidos de metales de transición porosos completamente nuevos, una clase de material conocido por su flexibilidad estructural y conductividad iónica. La segunda parte era un modelo de lenguaje grande ajustado (LLM) diseñado para reducir la lista. Se centró en los materiales más cercanos a la estabilidad termodinámica, un factor crítico para determinar si un compuesto se puede hacer de manera realista y utilizar en el mundo real. Las CDVAE arrojan una amplia red, creando miles de estructuras hipotéticas con canales grandes y abiertos. Luego, el LLM actuó como un filtro, seleccionando solo aquellos con más probabilidades de mantenerse en condiciones de fabricación y operación reales. Cinco nuevos candidatos a la batería «nuestras herramientas de IA aceleraron dramáticamente el proceso de descubrimiento, que descubrió cinco estructuras de óxido de metal de transición porosa completamente nuevas que muestran una promesa notable», dijo Datta. Estas estructuras, sugiere el estudio, ofrece vías inusualmente grandes para el movimiento de iones, un paso crucial para hacer que las baterías multivalentes sean rápidas y duras por largos períodos de tiempo. Las simulaciones mecánicas cuánticas y las pruebas de estabilidad confirmaron que los materiales deben ser sintéticamente factibles y estructuralmente sólidos. Los cinco compuestos ahora se mueven a la siguiente etapa: síntesis experimental en colaboración con laboratorios asociados. Si tiene éxito, podrían incorporarse a las baterías prototipo y finalmente ampliarse para la producción comercial. La investigación de materiales tradicionales a menudo es un proceso minucioso de hipótesis, síntesis y pruebas de años. Por el contrario, la IA puede explorar rápidamente enormes «espacios materiales» que serían imposibles para los humanos buscar manualmente, marcando solo a los candidatos más prometedores para una investigación adicional. Lo que significa para las baterías de las baterías de iones multivalentes del mañana se han estudiado durante décadas, sin embargo, pocos han alcanzado la preparación comercial porque los materiales necesarios no llevan a cabo los iones lo suficientemente bien o se degradaron demasiado rápido. Al usar AI para superar ese contorno de botella. mañana. Todavía necesitan ser sintetizados, probados en baterías a escala de laboratorio y demostrados que funcionan en condiciones del mundo real. La seguridad, la escalabilidad y la rentabilidad siguen siendo preguntas abiertas. Todavía, los autores del estudio argumentan que su marco de IA ya ha demostrado su valor al reducir lo que podría haber sido una búsqueda de décadas en una cuestión de meses. «Esto es más que solo descubrir nuevos materiales de batería, se trata de establecer un método rápido y escalable para explorar materiales avanzados, desde los productos eléctricos de energía hasta la energía limpia, sin ensayos nuevos y errores,», se agregó un error rápido. ¡No olvides seguirnos @inn_resource para actualizaciones de noticias en tiempo real! Divulgación de valores: I, Giann Liguid, no tengo interés de inversión directa en cualquier compañía mencionada en este artículo.