A Microsoft AI e o Laboratório Nacional do Noroeste do Pacífico (PNNL) descobriram um novo eletrólito sólido que pode reduzir drasticamente a utilização de lítio nas baterias até 70%.
Este material inovador, informalmente designado por N2116, oferece uma solução para as preocupações ambientais associadas à extração de lítio.
Prevê-se que o lítio, o principal componente de numerosas tecnologias de baterias, venha a sofrer escassez à medida que já em 2025e prevê-se um aumento de dez vezes da procura até 2030. A extração de lítio também tem uma grande pegada ambiental, envolvendo uma quantidade substancial de água e energia.
O processo de ponta a ponta, desde o conceito até ao protótipo de bateria funcional, demorou menos de nove meses, o que, segundo as estimativas, poderia ter demorado cerca de duas décadas.
Os supercomputadores da Microsoft aceleraram o processo, analisando 32 milhões de potenciais materiais inorgânicos e reduzindo-os a 18 candidatos em menos de uma semana. Isto segue-se a um descoberta semelhante pelo Google DeepMindque criou um laboratório de investigação autónomo que descobriu cerca de 2 milhões de novos materiais.
Jason Zander, Vice-Presidente Executivo da Microsoft, descreveu o papel da IA, afirmando para a BBC"Penso que é desta forma que este tipo de ciência vai ser feito no futuro".
O novo eletrólito de estado sólido, N2116, representa uma alternativa mais sustentável e segura às tradicionais baterias de lítio líquidas ou em gel.
As baterias de estado sólido prometem um carregamento mais rápido e uma maior densidade energética com ciclos de carga alargados. Ao incluir o sódio, um elemento mais abundante e menos dispendioso do que o lítio, o N2116 reduz as necessidades de lítio, mantendo a eficiência do armazenamento e da transferência de energia.
Karl Mueller do PNNL destacou o papel da IA na descoberta, afirmando: "[Poderíamos] modificar, testar e ajustar a composição química deste novo material e avaliar rapidamente a sua viabilidade técnica para uma bateria funcional, mostrando a promessa de IA avançada para acelerar o ciclo de inovação".
Explorar a IA para a descoberta de materiais
Microsoft e o Laboratório Nacional do Noroeste do Pacífico (PNNL) investigação envolveu a combinação da IA com a computação de alto desempenho (HPC).
Segue-se uma descrição do funcionamento deste processo:
- Identificação de materiais potenciais: A equipa da Microsoft Quantum utilizou a IA para analisar uma extensa base de dados de materiais inorgânicos. A partir daí, identificaram inicialmente cerca de 500 000 materiais estáveis em apenas alguns dias.
- Seleção de candidatos: Utilizando o Azure Quantum Elements da Microsoft, a equipa refinou ainda mais a sua pesquisa destes 500.000 materiais para 18 candidatos promissores para o desenvolvimento de baterias. Este processo foi concluído em apenas 80 horas, demonstrando a velocidade notável a que a IA pode funcionar.
- Combinação de IA com HPC As ferramentas de IA foram treinadas para avaliar vários elementos químicos e as suas combinações. Propuseram um conjunto massivo de 32 milhões de candidatos, que foram depois filtrados por diferentes ferramentas de IA com base na estabilidade, reatividade e potencial de condução de energia.
- HPC para verificação: A fase seguinte envolveu a utilização de HPC para verificação adicional. Isto incluiu a utilização da teoria do funcional da densidade para calcular a energia de cada material e simulações de dinâmica molecular para analisar os movimentos de átomos e moléculas dentro dos materiais.
- Seleção final dos candidatos: Após este intenso processo de cálculo, a lista foi reduzida a 150 candidatos. Uma avaliação mais aprofundada de aspectos práticos como a disponibilidade e o custo reduziu este número para 23, dos quais cinco já eram conhecidos.
- Desenvolvimento de protótipos: A etapa final envolveu os cientistas do PNNL que sintetizaram o material escolhido e o desenvolveram num protótipo de bateria funcional. Esta fase é crucial para testar a funcionalidade e a viabilidade do material.
A capacidade da IA para trabalhar com grandes quantidades de dados complexos e sintetizar novos conhecimentos a partir do zero tem-se revelado extremamente eficaz.
Por exemplo, para além dos materiais, a IA está também a acelerar a descoberta de novas moléculas terapeuticamente significativas para desenvolvimento de antibióticos e medicamentos.
