Una IA descubre nuevas fórmulas para baterías y podría acelerar la evolución del coche eléctrico

La inteligencia artificial está demostrando que puede ser mucho más que una herramienta para automatizar tareas. Su impacto también empieza a notarse en campos tan complejos como el desarrollo de nuevas baterías, uno de los grandes desafíos para la expansión del coche eléctrico. Ahora, un grupo de investigadores ha dado un paso más al desarrollar un sistema capaz de diseñar formulaciones completas de electrolitos para baterías de litio, una tarea que hasta ahora dependía en gran medida de años de experiencia y largos procesos de prueba y error.

Los electrolitos son uno de los elementos más importantes de cualquier batería. Lejos de ser un simple compuesto químico, se trata de mezclas cuidadosamente equilibradas de sales, disolventes y aditivos que interactúan constantemente entre sí. Encontrar la combinación adecuada es una labor extremadamente compleja, ya que cualquier modificación puede afectar a parámetros tan importantes como la conductividad, la estabilidad o la viscosidad.

Hasta ahora, las herramientas basadas en inteligencia artificial habían demostrado ser útiles para identificar materiales prometedores de forma individual. Sin embargo, el nuevo trabajo desarrollado por la Escuela Pritzker de Ingeniería Molecular de la Universidad de Chicago va mucho más allá. Su sistema, una evolución de la plataforma ElectrolyteGPT, no se limita a seleccionar componentes, sino que es capaz de diseñar la formulación completa del electrolito, incluyendo concentraciones, proporciones de mezcla y otros parámetros fundamentales.

Según explican los investigadores, los electrolitos destinados a las baterías de próxima generación deben cumplir múltiples requisitos que en muchos casos son contradictorios entre sí. Mejorar una característica puede perjudicar otra, lo que convierte el diseño de nuevas soluciones en un auténtico rompecabezas químico. La ventaja de esta inteligencia artificial es que puede trabajar con múltiples objetivos simultáneamente y generar propuestas optimizadas para alcanzar diferentes metas al mismo tiempo.

Nuevas combinaciones con resultados comparables a los mejores sistemas actuales

Para comprobar la eficacia del modelo, los investigadores fabricaron y analizaron en laboratorio varias de las formulaciones propuestas por la inteligencia artificial. Los resultados fueron especialmente llamativos, ya que algunas de estas nuevas composiciones lograron un rendimiento comparable al de los sistemas de baterías de litio más avanzados disponibles actualmente.

Aunque los responsables del proyecto reconocen que todavía queda trabajo por delante antes de superar claramente los mejores resultados actuales, consideran que este avance demuestra que la inteligencia artificial puede replicar con éxito procesos de diseño que hasta ahora requerían una gran intervención humana. Además, abre la puerta a descubrir combinaciones químicas completamente nuevas que podrían ofrecer mejoras significativas en el futuro.

La magnitud del reto ayuda a entender la importancia de esta tecnología. Los investigadores estiman que el número de moléculas potencialmente utilizables en electrolitos para baterías ronda las 10⁶⁰. Para poner la cifra en contexto, se trata de una cantidad superior al número de estrellas presentes en el universo observable. Y eso solo contempla moléculas individuales, sin contar las prácticamente infinitas combinaciones posibles entre ellas.

Ante semejante volumen de posibilidades, resulta imposible explorar manualmente todas las alternativas. Aquí es donde la inteligencia artificial muestra todo su potencial. El sistema puede recorrer regiones inexploradas del espacio químico y proponer moléculas completamente nuevas que jamás han sido sintetizadas por los científicos.

Posteriormente, estas propuestas pasan por el proceso habitual de validación experimental. Es decir, los investigadores fabrican los materiales sugeridos y los someten a las mismas pruebas que utilizarían con cualquier diseño desarrollado por expertos humanos. De esta forma, las predicciones de la IA pueden verificarse en condiciones reales.

Uno de los desafíos más importantes que encontró el equipo durante el desarrollo del sistema fue que muchos de los modelos generativos existentes habían sido entrenados principalmente con bases de datos orientadas al descubrimiento de medicamentos. Como consecuencia, cuando se les pedía generar nuevas moléculas, tendían a producir compuestos con características más cercanas a las de la industria farmacéutica que a las necesidades de las baterías.

Para solucionar este problema, los investigadores crearon una base de datos específica centrada exclusivamente en compuestos relevantes para electrolitos. Gracias a esta especialización, el modelo aprendió a generar moléculas mucho más adecuadas para aplicaciones energéticas. El resultado es una herramienta capaz de proponer nuevos disolventes y formulaciones con características compatibles con las exigencias de las baterías modernas.

Fuente | Acs.org