Uso de IA y robots para acelerar la optimización del desarrollo de nuevas baterías

Diagrama esquemático del experimento automatizado de electrolitos:"Clio". Utiliza una serie de dos bombas programáticas para dosificar y transferir una muestra líquida. La dosificación se produce a partir de soluciones de alimentación (a) a través de una válvula de 24 puertos (b) mediada por bombas (c) y una válvula de tres vías (d) en un recipiente de desechos (e) o en un recipiente común con un sonicador para mezclar ( F). Transfer toma la muestra líquida a través de una cámara de conductividad de alambre de platino dual conectada a un potenciostato Palmsens4 (g), una válvula de tres vías que conduce a un balance de masa (h) y un viscosímetro Brookfield (i). Toda la conmutación de 5 V es manejada por un relé Devantech (j). El software Labview personalizado (k) orquesta todos los instrumentos. El argón de la guantera se canaliza a alta presión (l) para ayudar a limpiar el volumen cerrado. Crédito:Comunicaciones de la naturaleza (2022). DOI:10.1038/s41467-022-32938-1

Un equipo de investigadores de la Universidad Carnegie Mellon ha desarrollado un nuevo enfoque para acelerar el proceso de creación de baterías cada vez más optimizadas. En su artículo publicado en la revista Nature Communications , el grupo describe cómo emparejaron un tipo único de robot con un sistema de aprendizaje de IA para crear electrolitos líquidos no acuosos cada vez más útiles.

A medida que las ventas de dispositivos portátiles se dispararon y los fabricantes de automóviles recurrieron a los vehículos eléctricos, también aumentó la demanda de baterías que duren más y se carguen más rápido. Desafortunadamente, la ciencia del desarrollo de nuevas baterías para satisfacer tales necesidades se ha retrasado; por lo general, implica el uso de la intuición por parte de los químicos junto con la persistencia. Tales esfuerzos pueden llevar años. En este nuevo estudio, los investigadores de Pittsburgh buscaron acelerar el proceso mediante el uso de técnicas de automatización.

En el corazón de la mayoría de los diseños de baterías está la creación de un electrolito de batería de iones de litio no acuoso que funcione mejor que los que se han desarrollado antes. Los investigadores tienden a buscar una conductividad iónica optimizada. Para acelerar el proceso de encontrarlos, los investigadores crearon un robot llamado Clio que aceptaba los ingredientes utilizados para hacer un electrolito y luego seguía una serie de instrucciones para hacer algunas muestras.

Luego agregaron una computadora que ejecutaba una aplicación de inteligencia artificial de aprendizaje profundo (llamada Dragonfly) que aceptaba datos de Clio y de sensores en el electrolito producido por el robot. Dragonfly analizó la muestra y luego sugirió posibles mejoras. Clio aceptó las mejoras y las usó para hacer una nueva muestra. Este sistema de ida y vuelta se repitió varias veces (cada una tomó aproximadamente dos días) y el electrolito mejoró gradualmente. En un punto designado por los investigadores, el par mecánico dejó de funcionar, lo que permitió a los investigadores probar los productos que se habían producido.

En sus pruebas, los investigadores encontraron que su sistema emparejado funcionó como se esperaba, observaron mejoras graduales en las muestras de electrolitos; se descubrió que lo mejor era un 13 % mejor que las baterías de mayor rendimiento ahora en el mercado.

En el futuro, los investigadores planean continuar refinando su sistema para permitir probar más objetivos y tal vez hacerlo funcionar más rápido. + Explora más