La electrónica es esencial para la vida cotidiana. ¿Cómo serían nuestras vidas sin nuestros teléfonos celulares o computadoras? Desde juguetes hasta lavadoras y autos eléctricos, la electrónica continúa poblando nuestras rutinas diarias. Muchos de estos dispositivos electrónicos funcionan con baterías de iones de litio de alta densidad de energía. Pero dos factores en estas baterías pueden tener consecuencias peligrosas.

Primero, el electrolito de la batería, el material que conduce iones entre el cátodo y el ánodo, es típicamente un líquido, que es inflamable. Segundo, a medida que las baterías se cargan y descargan con el tiempo, La deposición desigual de litio en el ánodo puede provocar el crecimiento de dendritas que pueden conectar el cátodo y el ánodo. Esto puede provocar incendios y explosiones debido a la inflamabilidad del electrolito. Tanto los autos Tesla como los aviones Boeing han sufrido problemas con las baterías dendríticas, y las explosiones repentinas de teléfonos móviles también se pueden atribuir a las dendritas.

Este es el problema que Zeeshan Ahmad y Tian Xie están tratando de resolver. Ahmad, un doctorado candidato en ingeniería mecánica en la Universidad Carnegie Mellon, y Xie, un doctorado candidato en ciencia e ingeniería de materiales en el Instituto de Tecnología de Massachusetts, publicó recientemente un artículo sobre su investigación para encontrar posibles soluciones a este problema de dendrita. Recurrieron al aprendizaje automático para generar y analizar cantidades masivas de datos para encontrar estas soluciones.

Para suprimir el crecimiento de dendritas, Ahmad y sus colegas investigaron posibles electrolitos sólidos, que a diferencia de los electrolitos líquidos, no son inflamables. No solo descifraron qué propiedades requiere el electrolito sólido, también necesitaban analizar miles de posibles materiales sólidos, lo que habría llevado años utilizando métodos experimentales tradicionales.

"Teníamos 13, 000 materiales cristalinos inorgánicos para filtrar el electrolito sólido, "Dijo Ahmad." Fue difícil calcular las propiedades de cada electrolito sólido por separado porque es muy costoso computacionalmente. Usamos el aprendizaje automático porque puede funcionar en grandes escalas de datos, para conocer las propiedades de los electrolitos sólidos ".

Debido al rango de disponibilidad de datos, Ahmad y Xie utilizaron una variedad de modelos de aprendizaje automático. Para los casos con suficientes datos existentes que se pueden usar para entrenar el modelo, utilizaron un modelo gráfico de red neuronal convolucional para predecir las propiedades de los electrolitos sólidos cristalinos inorgánicos. En los casos en los que no haya suficientes datos de entrenamiento, utilizaron regresión lineal con regularización, que es más adecuado para problemas de poca cantidad de datos.

"Probamos todos estos materiales por criterios de diseño o electrolitos sólidos, "Ahmad dijo." Nuestros electrolitos sólidos deberían suprimir el crecimiento de dendrita en el ánodo de metal de litio y ser aislantes electrónicamente. Deben ser estables, no deben descomponerse espontáneamente a temperatura ambiente. Deben conducir iones muy rápido para lograr una alta densidad de potencia de la batería necesaria para una carga rápida ".

Después de analizar los sólidos, encontraron seis materiales posibles que podrían usarse como electrolitos sólidos, perteneciente al sulfuro, yoduro, y clases de borohidruro.

"Estamos muy contentos de aplicar nuestro marco de aprendizaje automático a problemas importantes de materiales, por eso la colaboración con el equipo de CMU ha sido tan gratificante, ", Dijo Xie." Encontrar seis electrolitos sólidos potenciales en tan poco tiempo muestra la posibilidad de acelerar el descubrimiento de materiales drásticamente con herramientas de aprendizaje automático ".

Ahora, Ahmad está trabajando para eludir el equilibrio fundamental entre sólidos y líquidos:los líquidos generalmente tienen una alta conductividad iónica, y muy pocos sólidos que tienen un nivel comparable de conductividad también son lo suficientemente estables para usarse como electrolitos. Ahmad está investigando el potencial de los electrolitos compuestos, combinando múltiples sólidos con diferentes propiedades deseadas.

"Estamos investigando electrolitos compuestos, pero el problema es que, en general, no disponemos de datos suficientes para utilizar el aprendizaje automático, "Ahmad dijo." Así que estamos tratando de abordar este problema a través de los métodos de los primeros principios:utilizamos la teoría funcional de la densidad y la dinámica molecular para predecir las propiedades. Una vez que lo hacemos por digamos, cinco materiales, podemos descubrir ciertos principios de diseño, y luego podemos intentar utilizar esos principios de diseño para ayudarnos a filtrar otros compuestos ".

El papel, El aprendizaje automático habilitó el cribado computacional de electrolitos sólidos inorgánicos para la supresión de la formación de dendrita en los ánodos de metal de litio, fue publicado en la revista Ciencia Central ACS , DOI:10.1021 / acscentsci.8b00229. Fue nombrado uno de los mejores papeles ionizantes en Research Interfaces. Los autores adicionales fueron Venkat Viswanathan, profesor asistente de ingeniería mecánica en Carnegie Mellon, Jeffery C. Grossman, profesor de ciencia e ingeniería de materiales en el MIT, y Chinmay Maheshwari, estudiante del Instituto Indio de Tecnología, Bombay, quien fue un becario de investigación de verano en el laboratorio de Viswanathan.