Microsoft AI y el Laboratorio Nacional del Noroeste del Pacífico (PNNL) descubrieron un nuevo electrolito sólido que podría reducir drásticamente el uso de litio en las baterías hasta 70%.
Este material innovador, denominado informalmente N2116, ofrece una solución a los problemas medioambientales asociados a la extracción de litio.
Se prevé que el litio, principal componente de numerosas tecnologías de baterías, escasee a medida que a partir de 2025La demanda se multiplicará por diez de aquí a 2030. La extracción de litio también tiene un gran impacto ambiental, ya que consume mucha agua y energía.
El proceso completo, desde el concepto hasta el prototipo de batería funcional, duró menos de nueve meses, lo que, según sus cálculos, habría llevado tradicionalmente unas dos décadas.
Los superordenadores de Microsoft aceleraron el proceso, examinaron 32 millones de posibles materiales inorgánicos y los redujeron a 18 candidatos en menos de una semana. Esto sigue a un avance similar de Google DeepMindque creó un laboratorio de investigación autónomo que descubrió unos 2 millones de nuevos materiales.
Jason Zander, Vicepresidente Ejecutivo de Microsoft, describió el papel de la IA, declarando a la BBCCreo que este tipo de ciencia se hará así en el futuro".
El nuevo electrolito en estado sólido, N2116, representa una alternativa más sostenible y segura a las tradicionales baterías de litio líquidas o en gel.
Las baterías de estado sólido prometen una carga más rápida y una mayor densidad energética con ciclos de carga prolongados. Al incluir sodio, un elemento más abundante y menos caro que el litio, el N2116 reduce las necesidades de litio al tiempo que mantiene la eficiencia del almacenamiento y la transferencia de energía.
Karl Mueller, del PNNL, destacó el papel de la IA en el descubrimiento, afirmando: "[Pudimos] modificar, probar y afinar la composición química de este nuevo material y evaluar rápidamente su viabilidad técnica para una batería operativa, mostrando la promesa de la IA avanzada para acelerar el ciclo de innovación."
Aprovechar la IA para descubrir materiales
Microsoft y el Laboratorio Nacional del Noroeste del Pacífico (PNNL) investigación consistía en combinar la IA con la computación de alto rendimiento (HPC).
He aquí un desglose de cómo funcionó este proceso:
- Identificación de posibles materiales: El equipo de Microsoft Quantum utilizó IA para analizar una extensa base de datos de materiales inorgánicos. A partir de ella, identificaron inicialmente unos 500.000 materiales estables en tan solo unos días.
- Reducir el número de candidatos: Utilizando Azure Quantum Elements de Microsoft, el equipo refinó aún más su búsqueda a partir de estos 500.000 materiales hasta llegar a 18 candidatos prometedores para el desarrollo de baterías. Este proceso se completó en tan solo 80 horas, lo que demuestra la extraordinaria velocidad a la que puede funcionar la IA.
- Combinación de IA y HPC Las herramientas de IA fueron entrenadas para evaluar diversos elementos químicos y sus combinaciones. Propusieron un grupo masivo de 32 millones de candidatos, que luego se filtraron a través de distintas herramientas de IA en función de su estabilidad, reactividad y potencial de conducción de energía.
- HPC para verificación: La siguiente fase consistió en utilizar la HPC para realizar más comprobaciones. Para ello se utilizó la teoría del funcional de la densidad para calcular la energía de cada material y simulaciones de dinámica molecular para analizar los movimientos de átomos y moléculas dentro de los materiales.
- Selección final de candidatos: Tras este intenso proceso de cálculo, la lista se redujo a 150 candidatos. Una evaluación posterior de aspectos prácticos como la disponibilidad y el coste redujo este número a 23, de los cuales cinco ya eran conocidos.
- Desarrollo de prototipos: El último paso consistió en que los científicos del PNNL sintetizaran el material elegido y lo convirtieran en un prototipo de batería funcional. Esta etapa es crucial para probar la funcionalidad y viabilidad del material.
La capacidad de la IA para trabajar con grandes cantidades de datos complejos y sintetizar nuevos conocimientos desde la base ha demostrado ser inmensamente eficaz.
Por ejemplo, además de los materiales, la IA también está acelerando el descubrimiento de nuevas moléculas terapéuticamente significativas para desarrollo de antibióticos y medicamentos.
