Cara á investigación automatizada de baterías

2020/11/24 Oier Lakuntza - CIC energiGUNE Iturria: Elhuyar aldizkaria

• Kimika
• Energia
• Teknologia

A medida que avanza o desenvolvemento de dispositivos móbiles, a necesidade de baterías paira almacenar a enerxía que necesitan os dispositivos aumentará considerablemente. En definitiva, os vehículos eléctricos, o uso de enerxías renovables, os drones e os implantes sanitarios están en constante expansión, e paira dar resposta a este desenvolvemento Europa deberá ter capacidade paira producir baterías que almacenen una enerxía total de entre 200 GWh e 1 TWh.

Como é sabido, as baterías de litio-ion (VOL) son as máis utilizadas na actualidade. Con todo, estas baterías xa están a chegar á súa máxima densidade enerxética, o que implica a investigación de novos sistemas. Con todo, isto adoita ser un traballo laborioso. De feito, a táboa periódica ofrece un campo de composición moi amplo, e una vez seleccionado un deles, é imprescindible sintetizala e analizar as súas propiedades. En esencia, leste é o paso limitante na procura de novos materiais, xa que se ve a validez de todo o traballo realizado anteriormente. Se non se obteñen resultados satisfactorios, é necesario reiniciar o proceso desde o principio.

Un proxecto de investigación liderado polos investigadores de CIC EnergiGUNE, Javier Carrasco e Marine Reinaud, busca crear una plataforma de desenvolvemento de materiais que axilice e abarque este proceso. Esta plataforma sintetizará e caracterizará de forma autónoma estruturas seleccionadas a partir de cálculos atómicos básicos, aprendizaxe automatizado e intelixencia artificial (IA), o que acelerará e abaratará fortemente o proceso de obtención de materiais.

Procedemento habitual e antecedentes de automatización

A procura de novos materiais foi sempre un proceso de experimentación baseado na intuición dos investigadores. Este proceso, longo e custoso, deu bos resultados na investigación en catálisis, polímeros e electrolitos.

Este procedemento resulta especialmente efectivo cando se combina con métodos teóricos de gran precisión. Na investigación de compoñentes paira baterías, este procedemento deu os seus froitos paira validar os aditivos de electrolitos e analizar as condicións de preparación do composto _{LiNi1/3Mn1/3Co1/3O2} paira baterías de _litio.

Con todo, a medida que aumenta o número de variables químicas, esta procura sistemática non se fai posible e na actualidade trátase de analizar as variables de forma selectiva e de reducir os experimentos a realizar. Basicamente, o proceso de procura convencional xestiónase como un proceso de optimización, e un algoritmo de guiado de datos substitúe a intuición química dos investigadores.

Cando son poucas as condicións experimentais que poden cambiar á vez, os experimentos que se realizan por si mesmos son viables. Por exemplo, o estudo das condicións de sínteses de nanopartículas ou da composición máis adecuada dos disolventes realizouse mediante experimentos autónomos. Con todo, a medida que aumenta o número de variables a ter en conta (condicións experimentais, composición, etc.) son necesarios outros métodos.

Por tanto, os avances que se están obtendo nos campos da aprendizaxe automática e da intelixencia artificial son de gran axuda paira solucionar este problema. Por exemplo, os algoritmos de aprendizaxe automática poden buscar relacións entre variables, o que pode servir paira predicir os resultados dos experimentos realizados en determinadas condicións. Así, os experimentos automatizados guiados por intelixencia artificial tamén se están estendendo nas ciencias dos materiais. Proba diso son as plataformas que modifican de forma autónoma as súas propiedades ópticas e eléctricas modificando a composición ou as condicións de creación dos finos.

Tamén están dispoñibles as técnicas de obtención de novos materiais paira baterías. O problema é que os protocolos de sínteses e a caracterización non están regulados. Isto débese a que, ao tratarse de resultados a miúdo descoñecidos en que condicións concretas obtivéronse, estes resultados non poden ser interpretados con precisión, o que fai que non poidan aplicarse universalmente.

Proxecto en marcha

Este proxecto de CIC EnergiGUNE ten dous obxectivos principais: por unha banda, a correcta utilización dos algoritmos de intelixencia artificial paira a planificación experimental e, por outro, o control da síntese automatizada de materiais a través dos resultados que se están obtendo.

A plataforma de desenvolvemento de materiais, a partir dos cálculos realizados a través dos principios básicos e dos resultados dos experimentos previos, anunciará os resultados dos experimentos que se realizarían en función duns parámetros de control. Se procede, realizará o experimento de forma autónoma, e en función dos resultados obtidos irase afinando o procedemento de síntese, buscando relacións entre os parámetros de control establecidos e os resultados obtidos. Pola contra, se os resultados anunciados non son tan desexables, estudará outras alternativas de sínteses.

Como punto de partida, a plataforma de desenvolvemento de materiais traballará en dous sistemas:

• Li-Nin-Mn-Mg-Ao-Ou: paira reducir a cantidade de cobalto (Co) que se utiliza nos electrodos da maioría dos VOLS comerciais actuais, considerouse substituír este elemento por magnesio (Mg) ou aluminio (Ao).
• NaMPO4 _(M=Mn, Fe, Nin, Co): Sendo LiFePO4 o cátodo de referencia das _OPS, é importante investigar adecuadamente este sistema, xa que este sería o cátodo paralelo nas baterías de sodio ion.

Una vez investigados estes dous sistemas, a plataforma de desenvolvemento de materiais e os coñecementos adquiridos utilizaranse paira investigar outros sistemas de interese paira novas baterías.

Por tanto, pódese afirmar que a intelixencia artificial ha chegado á investigación de novas baterías. En esencia, despois de investigar moito sobre a intelixencia artificial, agora é a propia intelixencia artificial a que empeza a investigar o que o home investigaba.