El artículo publicado en la revista Nature Materials describe como los investigadores de la Universidad de Stanford, el Laboratorio Nacional Lawrence Berkeley, el MIT y la Universidad de Lyon han empleado técnicas de inteligencia artificial en busca de la batería indestructible. Mediante el análisis de las imágenes microscópicas a escala atómica del proceso químico que se da en su interior es posible comprender el mecanismo de desgaste y, eventualmente, lograr que las baterías del futuro duren mucho más que las actuales.
El grupo de científicos analizó específicamente las baterías LFP. William Chueh, autor principal del estudio explica que las baterías son como una taza de café de cerámica que se expande y se contrae cuando se calienta y se enfría. Estos cambios conducen irremediablemente a fallos en su estructura química. "En una batería recargable los materiales hacen lo mismo cada vez que se produce un ciclo de carga y descarga".
Chueh señaló que en la batería, no es la temperatura lo que causa las fisuras, sino la tensión mecánica que los materiales tienen entre sí con cada ciclo de carga. "Desafortunadamente, no sabemos mucho sobre lo que sucede a escala nanométrica donde se unen los átomos". Según Chueh las nuevas técnicas de microscopía de alta resolución permiten llegar a ese nivel de detalle y la Inteligencia Artificial (IA) ayuda a comprender lo que está sucediendo. "Por primera vez, podemos visualizar y medir estas fuerzas en la escala de un solo nanómetro".
El rendimiento de cualquier material es función tanto de su química como de la interacción física en el material a escala atómica, un concepto al que el científico denomina "quimio-mecánica". Cuanto más pequeña es la escala más diversos son los átomos que componen el material y más difícil es predecir cómo se comportará. Por eso, el empleo de IA para estudiar las interacciones atómicas en las escalas más pequeñas es una innovación que ha permitido a los investigadores explorar lo que sucede con los electrodos en las celdas de batería LFP.
Aunque este tipo de baterías se vienen estudiando durante dos décadas, hasta ahora las dos preguntas técnicas clave sobre su funcionamiento permanecían sin respuesta. La primera implica comprender la elasticidad y la deformación del material a medida que se carga y descarga. La segunda se refiere a la manera de expandirse y contraerse en un régimen específico donde la LFP es parcialmente estable o "metaestable".
Otros de los autores del estudio, Haitao "Dean" Deng, explica las nuevas técnicas de aprendizaje de imágenes bidimensionales producidas por un microscopio electrónico de transmisión de barrido y el uso de técnicas avanzadas. Los hallazgos, dijo, son importantes para conocer la capacidad y la tasa de retención de energía de una batería. Además, cree que es generalizable a la mayoría de los materiales cristalinos que también podrían ser buenos electrodos. "La IA puede ayudarnos a comprender estas relaciones físicas que son clave para predecir cómo funcionará una batería nueva, cómo será de fiable en el uso real y cómo se degradará el material con el paso del tiempo", dijo Deng.
Para el químico, este enfoque es una forma de "aprendizaje inverso" en el que se conoce el resultado (imágenes fijas de alta resolución de LFP degradado). La IA ayuda a reconstruir la física para explicar cómo se llegó a ese punto. Ese nuevo conocimiento, a su vez, se convierte en la base para mejorar los materiales.
El siguiente paso es el empleo de estas técnicas para encontrar nuevos diseños de baterías a nivel atómico. Un resultado podría ser un nuevo software de control de la batería que administre la carga y descarga de manera que pueda mejorar su vida útil
