El aprendizaje automático puede ser el secreto de una batería mejor, ya que los ordenadores predicen los factores más adecuados para un diseño eficiente.
¿Cuánto durará mi batería?
Probablemente se haya hecho esta pregunta innumerables veces al sustituir las pilas de su teléfono móvil o linterna, o después de comprar una costosa batería de coche nueva. Tener que adivinar cuánto tiempo van a seguir alimentando su dispositivo o vehículo no sólo es incómodo, sino también caro.
Hasta ahora, investigadores y fabricantes de baterías sólo disponían de una forma fiable de comprobar la vida útil de una batería: hacerla circular hasta que se agote. El ciclo de una batería consiste en cargarla completamente y descargarla después. Desgraciadamente, este método puede llevar años y es caro, dice la electroquímica Susan Babinec en un comunicado de prensa del Argonne National Laboratory sobre un nuevo estudio del que es coautora. Esta investigación aprovecha el aprendizaje automático, que consiste en entrenar a los ordenadores para que reconozcan patrones en los datos y hagan predicciones sobre nuevos datos. En este caso, los ordenadores fueron capaces de predecir con exactitud cuánto tiempo seguirán funcionando diferentes tipos de baterías.
Científicos del Laboratorio Nacional Argonne del Departamento de Energía de EE.UU. en Lemont (Illinois) recopilaron datos experimentales de 300 baterías que representan seis químicas diferentes, incluyendo los tipos y disposiciones de los átomos que componen la estructura del cátodo de la batería. «Los distintos tipos de cátodos pueden almacenar más o menos energía, y pueden degradarse más rápida o lentamente», explica a Popular Mechanics en un correo electrónico Noah Paulson, científico informático de Argonne y autor del estudio. Otra diferencia entre las baterías estaba en los aditivos químicos del electrolito de la batería.
Los científicos dejaron que los ordenadores hicieran el trabajo para determinar con precisión cuánto tiempo seguirían funcionando las distintas baterías. En este estudio, los investigadores estudiaron baterías de iones de litio, que pueden «cargarse y descargarse miles de veces, dependiendo del modo en que se usen», dice Paulson. Este trabajo refleja lo que ocurriría con la mayoría de las baterías recargables, como las de iones de litio, níquel-metal-hidruro o plomo-ácido, por ejemplo. «Esto es importante, ya que las baterías de los coches, los aviones, el almacenamiento en la red eléctrica, la electrónica, etc., deben ser recargables», explica. En cambio, las pilas alcalinas, como las del mando a distancia del televisor, no suelen serlo.
Los autores basaron su investigación en el hecho de que el aprendizaje automático puede predecir la vida útil de las baterías de iones de litio en sólo unas semanas, a partir de un máximo de 100 ciclos. En el extremo inferior, el método de aprendizaje automático que desarrollaron los investigadores necesitó tan sólo un ciclo preliminar para hacer una predicción útil, según el estudio, publicado en la edición online del 25 de febrero de la revista Journal of Power Sources.
Las pilas almacenan energía química en forma de compuestos químicos. Por ejemplo, una pila alcalina, o célula, contiene zinc, dióxido de manganeso e hidróxido de potasio. Cuando se conecta a un circuito, como una bombilla, el zinc que contiene reacciona con el dióxido de manganeso y pierde electrones. Los electrones fluyen a través de una varilla metálica en la célula desde el terminal negativo hasta la bombilla y hacen que ésta se ilumine. Luego siguen fluyendo y entran en el terminal positivo de la pila. En este tipo de pila no recargable, una vez que se agotan los electrones del zinc, la célula está muerta.
Las pilas alimentan nuestros dispositivos, herramientas, juguetes y vehículos. Nadie sabe cuánto durará una pila nueva, porque son muchos los factores que rigen su vida útil potencial: para qué las usamos, su química interna y su diseño general.
«Para cada tipo de aplicación de las baterías, desde los teléfonos móviles hasta los vehículos eléctricos y el almacenamiento en la red, la vida útil de las baterías es de importancia fundamental para todos los consumidores», dice Paulson en el comunicado. Probar una batería significa someterla a miles de ciclos mientras convierte su energía química almacenada en electricidad. El método de aprendizaje automático «crea una especie de cocina de pruebas computacional» que revela rápidamente el rendimiento de una batería, explica.
Para preparar su experimento, los investigadores alimentaron a los ordenadores con cantidades ingentes de datos sin procesar, definiendo 397 características distintas de las baterías que supusieron que serían útiles para los algoritmos de aprendizaje automático. Los ordenadores usaron un conjunto específico de reglas, o algoritmos, para analizar estadísticamente estos «datos brutos de entrenamiento», cuyo objetivo era familiarizar a los ordenadores con la corriente y el voltaje en función del tiempo a lo largo de la vida de las diferentes baterías.
Basándose en el entrenamiento de los ordenadores, las máquinas aprendieron a reconocer patrones entre las diversas características de las baterías y a construir un modelo que podía utilizarse para hacer predicciones sobre nuevos datos, como el tiempo medio de carga de una batería. «A continuación, recurrimos a un algoritmo para encontrar qué subconjuntos de las características darían las mejores predicciones», dice Paulson.
Al repetir este proceso, las predicciones de los ordenadores sobre el diseño de nuevas baterías se hicieron más precisas. «En este estudio, sólo aprovechamos esta información de los primeros 100 ciclos de carga y descarga, de modo que, dada una nueva batería, podemos estimar su vida útil sin tener que someterla a ciclos experimentales durante meses o años», afirma Paulson.
Los investigadores basaron el algoritmo de aprendizaje automático en la química de una batería de litio bien conocida. Entrenaron a los ordenadores con este algoritmo para que hicieran predicciones sobre la longevidad de una batería de química desconocida. Esencialmente, el algoritmo puede ayudarnos a orientarnos hacia nuevas y mejores químicas que ofrezcan una mayor vida útil», afirma Paulson. Los investigadores creen que la máquina podría acelerar el desarrollo de posibles materiales para baterías, porque los científicos de laboratorio podrían probar el material más rápidamente.
Las distintas baterías se degradan y fallan de múltiples maneras, dice Paulson. «El valor de este estudio es que nos ha dado señales características de cómo se comportan las diferentes baterías». La forma más agresiva de acortar la vida de una batería es cargarla muy rápidamente. Como resultado, el metal de litio acaba recubriendo las partículas del electrodo. «Las interacciones entre el electrolito y las partículas del electrodo crean una película que puede proteger las partículas, pero cuando se vuelve demasiado gruesa puede convertirse en una barrera para que los iones [de litio] entren y salgan de las partículas», dice Paulson. Otra forma de acortar la vida útil de las baterías es el agrietamiento de las partículas del electrodo. Estos son sólo un par de ejemplos.
«Digamos que tienes un nuevo material y lo sometes a varios ciclos. Podrías usar nuestro algoritmo para predecir su longevidad, y luego tomar decisiones sobre si quieres seguir ciclando experimentalmente o no», dice Paulson.
Fte. Popular Mechanics
