El uso del Machine Learning para crear mejores baterías | Proyecto Ambulante
machine learning

El uso del Machine Learning para crear mejores baterías

Ha sido una ardua labor de los investigadores mejor preparados, pero al parecer, han dado con la solución. Se trata de una mejor batería, gracias al machine learning, producto del aprendizaje automático y la inteligencia artificial.

Las baterías han venido siendo estudiadas desde hace mucho tiempo, con la finalidad de obtener un mejor resultado. Y para ello se debe contar con los mejores componentes moleculares.

Pero es aquí donde todo se pone un poco difícil, ya que existen millones de componentes, lo que aumenta la dificultad de crear una buena batería. Y es que encontrar los componentes adecuados entre tantos es una tarea titánica.

Es tan difícil encontrar los mejores componentes moleculares que incluso usando unas supercomputadoras no se ha logrado tener un modelo preciso de las moléculas químicas para poder crear una batería segura.

En ese sentido, el uso del Machine Learning puede ser la respuesta para descubrir los componentes y crear mejores baterías. 

Es en este campo donde trabajan los investigadores del Departamento de Energía de Estados Unidos, que usan el Machine Learning y la Inteligencia Artificial para mejorar los tiempos y acelerar la obtención de componentes moleculares que den mejores baterías.

Los investigadores de Argonne, que pertenece al Departamento de Energía han estado trabajando con una base de datos de la que ya forman parte unas 133,000 moléculas y estas pueden ser usadas para formar los electrolitos de una batería. 

En sus estudios el equipo del Departamento de Energía, usaba el sistema G4MP2, pero este no era lo suficientemente rentable en cuanto a tiempo y energía utilizada, por eso decidieron utilizar el Machine Learning para poder procesar la alta cantidad de datos, con más precisión y en menor tiempo. 

Machine Learning y las nuevas baterías

El Machine Learning puede proporcionar un mejor análisis de la gran cantidad de moléculas y en este sentido lo hace con un relativo menor costo.

Según el director de la división de Ciencia y Aprendizaje de Datos de Argonne esta tecnología es una forma de tener una imagen molecular casi tan precisa a una fracción del costo computacional.

investigador al microscopio

El algoritmo del Machine Learning provee una manera de observar como se relacionan los átomos en las moléculas más grandes.

Lo que se pretende es ver la interacción entre estas moléculas y conocerlas mejor, para así hacer comparaciones con las que ya tienen bastante estudiadas para poder hacer mejores predicciones sobre esas moléculas más grandes y ver las diferencias de los cálculos de alta y baja precisión.

De esta manera los encargados del proyecto pueden predecir con mayor precisión las propiedades de moléculas que van a ser utilizadas como almacenadoras de energía y crear esa próxima generación de baterías.

Otros investigadores de la Universidad de Stanford y el MIT también están usando esta tecnología para predecir con la mayor precisión el rendimiento de una batería. Su finalidad es mejorar el rendimiento actual que tenemos en las baterías y el algoritmo es una gran ayuda para ese fin.

En todas las investigaciones que se están llevando a cabo por diversos organismos científicos, el Machine Learning es la principal herramienta para hacer grandes descubrimientos en el campo de la tecnología.

Consideraciones finales

En el Machine Learning se encontrará la respuesta definitiva a la creación de mejores y más duraderas baterías, ya que permite a los científicos estudiar el comportamiento de las moléculas más grandes y ver como se pueden combinar con las ya conocidas. Solo de esta forma se podrán crear los electrolitos perfectos.

En ese sentido un artículo publicado el 27 de agosto en la revista MRS Communications dice lo siguiente “la predicción del Machine Learning en energías de atomización precisa de moléculas orgánicas basadas en cálculos químicos cuánticos de baja fidelidad” Esto sería parte de cómo se describe el algoritmo para la búsqueda de crear una batería de próxima generación.

    Deja un comentario

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    Responsable de éstos datos: Agustín Ruiz | Derechos: Acceder, rectificar, portar, suprimir, limitar y al olvido de toda tu información | Finalidad: Moderar comentarios | Destinatario: No se comunicarán tus datos a persona u organización alguna | Conservación: Hasta que el interesado solicite la supresión | Legitimación: Tu consentimiento. +info.