![\"\"](\"https:\/\/battery9999.com\/wp-content\/uploads\/2022\/05\/171124-pre-257x200.jpg\")
<\/p>\n10.05.2022<\/p>\n
<\/p>\n
Imag\u00ednese que un m\u00e9dium le dijera a sus padres, el d\u00eda en que naci\u00f3, cu\u00e1nto tiempo vivir\u00eda. Una experiencia similar es posible para los qu\u00edmicos de bater\u00edas que est\u00e1n utilizando nuevos modelos computacionales para calcular la vida \u00fatil de las bater\u00edas bas\u00e1ndose en tan s\u00f3lo un ciclo de datos experimentales.<\/p>\n
En un nuevo estudio, los investigadores del Laboratorio Nacional de Argonne del Departamento de Energ\u00eda de EE.UU. (DOE) han recurrido al poder del aprendizaje autom\u00e1tico para predecir la vida \u00fatil de una amplia gama de diferentes qu\u00edmicas de bater\u00edas. Utilizando los datos experimentales recogidos en Argonne de un conjunto de 300 bater\u00edas que representan seis qu\u00edmicas diferentes, los cient\u00edficos pueden determinar con precisi\u00f3n cu\u00e1nto tiempo continuar\u00e1n los ciclos de las diferentes bater\u00edas.<\/p>\n
En un algoritmo de aprendizaje autom\u00e1tico, los cient\u00edficos entrenan a un programa inform\u00e1tico para que haga inferencias sobre un conjunto inicial de datos, y luego toman lo que ha aprendido de ese entrenamiento para tomar decisiones sobre otro conjunto de datos.<\/p>\n
“Para cada tipo de aplicaci\u00f3n de las bater\u00edas, desde los tel\u00e9fonos m\u00f3viles hasta los veh\u00edculos el\u00e9ctricos y el almacenamiento en red, la vida \u00fatil de las bater\u00edas tiene una importancia fundamental para todos los consumidores”, afirma el cient\u00edfico inform\u00e1tico de Argonne Noah Paulson, autor del estudio. “Tener que ciclar una bater\u00eda miles de veces hasta que falle puede llevar a\u00f1os; nuestro m\u00e9todo crea una especie de cocina de pruebas computacional en la que podemos establecer r\u00e1pidamente el rendimiento de diferentes bater\u00edas”.<\/p>\n
“Ahora mismo, la \u00fanica forma de evaluar c\u00f3mo se desvanece la capacidad de una bater\u00eda es hacer un ciclo real de la misma”, a\u00f1adi\u00f3 la electroqu\u00edmica de Argonne Susan “Sue” Babinec, otra autora del estudio. “Es muy caro y lleva mucho tiempo”.<\/p>\n
Seg\u00fan Paulson, el proceso de establecer la vida \u00fatil de una bater\u00eda puede ser complicado. “La realidad es que las bater\u00edas no duran para siempre, y su duraci\u00f3n depende del modo en que las usemos, as\u00ed como de su dise\u00f1o y su qu\u00edmica”, dijo. Hasta ahora, no hab\u00eda una buena manera de saber cu\u00e1nto va a durar una bater\u00eda. La gente va a querer saber cu\u00e1nto tiempo tiene hasta que tenga que gastar dinero en una nueva bater\u00eda”.<\/p>\n
Un aspecto \u00fanico del estudio es que se bas\u00f3 en un amplio trabajo experimental realizado en Argonne sobre una variedad de materiales de c\u00e1todos de bater\u00edas, especialmente el c\u00e1todo patentado de Argonne basado en n\u00edquel-manganeso-cobalto (NMC). “Ten\u00edamos bater\u00edas que representaban diferentes qu\u00edmicas, que tienen diferentes formas de degradarse y fallar”, dijo Paulson. “El valor de este estudio es que nos dio se\u00f1ales que son caracter\u00edsticas de c\u00f3mo funcionan las diferentes bater\u00edas”.<\/p>\n
Seg\u00fan Paulson, si se sigue estudiando este tema, se podr\u00e1 orientar el futuro de las bater\u00edas de iones de litio. “Una de las cosas que podemos hacer es entrenar el algoritmo con una qu\u00edmica conocida y hacer predicciones con una qu\u00edmica desconocida”, dijo. “Esencialmente, el algoritmo puede ayudarnos a apuntar en la direcci\u00f3n de qu\u00edmicas nuevas y mejoradas que ofrezcan una mayor vida \u00fatil”.<\/p>\n
De este modo, Paulson cree que el algoritmo de aprendizaje autom\u00e1tico podr\u00eda acelerar el desarrollo y las pruebas de los materiales de las bater\u00edas. “Digamos que tienes un nuevo material y lo sometes a varios ciclos. Podr\u00edas utilizar nuestro algoritmo para predecir su longevidad, y luego tomar decisiones sobre si quieres seguir ciclando experimentalmente o no.”<\/p>\n
“Si eres un investigador en un laboratorio, puedes descubrir y probar muchos m\u00e1s materiales en menos tiempo porque tienes una forma m\u00e1s r\u00e1pida de evaluarlos”, a\u00f1adi\u00f3 Babinec.<\/p>\n