Científicos usan datos e Inteligencia Artificial para predecir vida útil de baterías

Modelo de aprendizaje automático fue entrenado con cientos de millones de puntos de datos de carga y descarga de baterías de iones de litio

Un equipo de investigadores liderados por científicos de la Universidad de Stanford y el Instituto de Tecnología de Massachusetts (Massachusetts Institute of Technology, MIT) logró predecir la vida útil de baterías de iones de litio a través de datos e Inteligencia Artificial (IA), informó EurekAlert! a finales de marzo de 2019. La técnica desarrollada en conjunto con especialistas del Instituto de Investigación Toyota podría emplearse para clasificar las celdas fabricadas y también con el objetivo de ayudar a que los nuevos diseños de baterías lleguen al mercado más rápidamente.

Los investigadores entrenaron su modelo de aprendizaje automático con unos cuantos cientos de millones de puntos de datos de carga y descarga de baterías; el algoritmo predijo cuántos ciclos más duraría cada batería, basándose en la disminución de voltaje y otros factores entre los primeros ciclos. Aunque las predicciones sobre la cantidad de ciclos que las células durarían apenas acertaron en el 9% de los casos, el porcentaje fue de 95% en cuanto a si las baterías tendrían una expectativa de vida larga o corta (basándose solo en los primeros cinco ciclos de carga/descarga).

El conjunto de datos propio de este método de aprendizaje automático es el más grande de su tipo y fue hecho público por los investigadores; publicado el 25 de marzo en Nature Energy, este método de aprendizaje automático podría acelerar la investigación y el desarrollo de nuevos diseños de baterías y reducir tanto el tiempo como el costo de producción, pues normalmente se prueban nuevos diseños de baterías cargando y descargando las celdas hasta que estas fallen (procesos de prueba que pueden tomar meses e incluso años).

Llevado a cabo en el Centro para el Diseño de Baterías Basado en Datos (Center for Data-Driven Design of Batteries), el estudio fue una colaboración académico-industrial donde se integraron teoría, experimentos y ciencia de datos. Los investigadores de Stanford, dirigidos por William Chueh, profesor asistente de ciencia de materiales e ingeniería, realizaron los experimentos en batería; el equipo del MIT, dirigido por Richard Braatz, profesor de ingeniería química, realizó el trabajo de aprendizaje automático.

Tal técnica capaz de predecir vida útil de baterías de iones de litio a través de datos e Inteligencia Artificial, aseguran los científicos que la desarrollaron, tiene diversas aplicaciones potenciales, entre ellas destaca la posibilidad de disminuir el tiempo invertido en validar nuevos tipos de baterías. Gracias a la técnica de clasificación, las baterías que tienen una vida útil corta diseñadas para vehículos eléctricos pero con con una vida demasiado corta para los automóviles, podrían usarse en cambio en las luces de las calles o destinarse a hacer copias de seguridad de los centros de datos.

TecnologíaInteligencia ArtificialCiencia