Los investigadores del equipo Azure Quantum Elements (AQE) de Microsoft y del Laboratorio Nacional del Noroeste del Pacífico (PNNL, por sus siglas en inglés) del Departamento de Energía de Estados Unidos han colaborado en un proyecto para acelerar el desarrollo de baterías experimentales utilizando una combinación de inteligencia artificial y computación de alto rendimiento.
El enfoque tradicional en el desarrollo de baterías implica realizar pruebas de hipótesis tras hipótesis hasta identificar al candidato ideal. Sin embargo, este proceso puede ser largo e ineficiente. Los equipos de AQE y PNNL adoptaron un enfoque diferente al utilizar modelos de inteligencia artificial para evaluar distintos materiales y sugerir combinaciones prometedoras. A través de múltiples rondas de aprendizaje automático y simulación, redujeron las posibilidades a 18 compuestos previamente desconocidos.
Lo que hace único a este proyecto es la distribución de recursos de cómputo. Contrario a la sabiduría convencional, el 90% de los recursos de cómputo se asignaron a tareas de aprendizaje automático destinadas a reducir las opciones, mientras que solo el 10% se utilizó para cargas de trabajo de simulación de alta precisión. Esto resalta la importancia de una aplicación más inteligente de los recursos de cómputo para resolver problemas complejos.
Uno de los hallazgos más exitosos del proyecto fue un electrolito de estado sólido compuesto por un 70% de sodio y un 30% de litio. La combinación de estos elementos dio como resultado una batería con una densidad de energía prometedora, al mismo tiempo que utilizaba un recurso más sostenible y abundante. El proceso de sintetizar y transformar el compuesto en una batería tomó aproximadamente diez horas, mucho más rápido que la etapa de cómputo.
Si bien la identificación de una nueva química de batería es un logro significativo, el verdadero éxito radica en la rapidez con la que los equipos lograron alcanzarlo. Tradicionalmente, una investigación de baterías de esta magnitud tomaría años, pero la colaboración entre AQE y PNNL lo logró en cuestión de semanas.
En adelante, Microsoft y PNNL están explorando el concepto de un gemelo digital para la química y las ciencias de los materiales, lo cual podría acelerar aún más el proceso de pruebas y desarrollo. Al crear una réplica virtual para probar cambios de producción digitalmente, los equipos esperan reducir el tiempo requerido para prototipado y pruebas físicas.
Si bien son necesarias más pruebas y prototipos para determinar la viabilidad de la nueva química de batería identificada, esta colaboración entre AQE y PNNL destaca el potencial de combinar inteligencia artificial, aprendizaje automático y computación de alto rendimiento para acelerar el descubrimiento científico y la innovación.
The source of the article is from the blog queerfeed.com.br