A IA Criou Rapidamente uma Bateria de Baixo Teor de Lítio com um Novo Material
Em 80 horas, a ferramenta de IA da Microsoft reduziu 32 milhões de materiais teóricos a 18, levando os cientistas a sintetizar um que pode diminuir a utilização de lítio nas baterias em 70%. Um programa de IA identificou um material sintético, ausente na natureza, que pode potencialmente diminuir a utilização de lítio nas baterias em até 70%.
De entre 32 milhões de candidatos, a escolha ideal foi identificada como um cloreto de metal misto constituído por iões de sódio, lítio, ítrio e cloreto.
No entanto, as baterias recarregáveis dependem principalmente do lítio como componente vital, e a procura deste metal aumentou nos últimos anos. Infelizmente, o processo de extração do lítio, que consome muita energia, resulta frequentemente em poluição permanente da água e do solo. Consequentemente, muitas empresas estão a procurar ativamente materiais alternativos para a construção de baterias.
Para tal, a Microsoft e o Laboratório Nacional do Noroeste do Pacífico (PNNL) colaboraram no desenvolvimento de uma ferramenta de seleção de potenciais novos materiais que poderiam ser utilizados em baterias com baixo teor de lítio, utilizando a ferramenta Azure Quantum Elements da Microsoft. Os investigadores publicaram os seus resultados a 8 de janeiro através do servidor de pré-impressão arXiv.
Construir um Novo Tipo de Bateria
As baterias transportam partículas carregadas entre terminais positivos e negativos, chamados eléctrodos. Quando os fios ligam os iões de lítio do elétrodo negativo ao eletrólito, atingem o elétrodo positivo. Simultaneamente, os electrões movem-se através dos fios na mesma direção, facilitando a extração de energia da bateria.
Nesta investigação, os cientistas concentraram-se em materiais de electrólitos sólidos, com o objetivo de criar um substituto mais seguro e eficaz para os electrólitos líquidos existentes. O requisito crucial é que o material do eletrólito se alinhe com os eléctrodos, permitindo a passagem suave dos iões de lítio e impedindo totalmente o movimento dos electrões dentro da bateria.
Reduzir 32 Milhões de Candidatos a Novos Materiais para Baterias
Os investigadores iniciaram o processo com mais de 32 milhões de potenciais candidatos, gerados pela troca de vários elementos em estruturas de electrólitos existentes. Utilizaram uma combinação de técnicas de IA para filtrar os materiais, considerando as suas propriedades no processo de seleção.
De facto, Kandler Smith, um engenheiro mecânico do Laboratório Nacional de Energias Renováveis, explicou ao Live Science que uma parte substancial dos materiais candidatos, gerados através de cálculos teóricos de computador, não é normalmente suficientemente estável para uma síntese prática em laboratório. Mencionou que a ênfase inicial foi colocada na filtragem da estabilidade, e esta seleção preliminar reduziu rapidamente o conjunto de 32 milhões para meio milhão de materiais em poucas horas.
Critérios Orientados por IA Refinam as Escolhas de Materiais para Investigação Acelerada
A equipa seleccionou então nove normas adicionais. Utilizou a IA para os aplicar sistematicamente, organizando os candidatos com base nas suas características electrónicas, custo e resistência. Este processo reduziu a seleção a 18 finalistas. Smith expressou a sua admiração, afirmando: “Fiquei muito impressionado com o facto de terem conseguido tudo isto em apenas 80 horas de computador – experimentar todos estes materiais teria levado 20 anos. A sua abordagem de aprendizagem automática, aliada a modelos de dinâmica molecular baseados na física, é um avanço significativo e irá acelerar muito a investigação.”
Os cientistas produziram um conjunto de materiais finais que incluem lítio, sódio, o elemento de terras raras ítrio e iões cloreto em diferentes proporções. A combinação de lítio e sódio neste material permite a condução de ambos os tipos de iões, um fenómeno anteriormente considerado impossível. Este material pode também funcionar em baterias de iões de sódio. É de salientar que uma variante com elevado teor de sódio continha menos 70% de lítio do que uma bateria normal, o que sugere um potencial significativo para reduzir o custo e o impacto ambiental destas baterias no futuro.
Um Ponto de Partida para a Descoberta de Materiais através da IA
A equipa avaliou posteriormente as propriedades electrónicas dos candidatos. Smith explicou que a propriedade chave de um eletrólito é a condutividade iónica, ou seja, a rapidez com que os iões de lítio se podem mover. Este fator determina a velocidade de carregamento da bateria e é crucial para os veículos eléctricos.
As baterias normais de iões de lítio utilizam um eletrólito líquido de solvente orgânico, que permite um movimento rápido dos iões e o seu carregamento. No entanto, estes solventes são inflamáveis e as interacções com os eléctrodos provocam a degradação da bateria ao longo do tempo. De acordo com Smith, os electrólitos de estado sólido têm a vantagem de serem quimicamente mais estáveis e muito menos inflamáveis. A desvantagem é que movem os iões de lítio lentamente, o que resulta em tempos de carregamento mais lentos.
Descoberta Inovadora
A IA identificou o candidato com melhor desempenho, uma ordem de grandeza menos condutor do que os actuais electrólitos líquidos. Isto traduz-se numa diferença significativa no tempo de carregamento, de 30 minutos para cinco horas. Por conseguinte, são necessárias melhorias no desempenho eletrónico do material antes de este se tornar prático para aplicações. No entanto, representantes da Microsoft mencionaram num e-mail enviado à Live Science que os investigadores conseguiram construir um protótipo funcional a partir do material final e utilizaram-no para alimentar uma lâmpada.
Smith considera que se trata de um passo inicial sólido. Ele enfatizou que a realização mais significativa do trabalho foi simplificar a descoberta de materiais por meio da IA. Explicou que a mesma cadeia de aprendizagem automática pode ser benéfica para apoiar a investigação em centenas de outras áreas relacionadas.
De acordo com Brian Abrahamson, diretor digital do PNNL, tanto a Microsoft como o PNNL demonstram um grande interesse em explorar mais esta questão no futuro. Abrahamson afirmou que os resultados da nova bateria são apenas um exemplo – um ponto de prova. Mencionou que reconheceram desde o início que a chave reside na rapidez com que a IA ajuda a identificar materiais promissores e na sua capacidade de implementar prontamente essas ideias no laboratório. Acrescentou que tencionam alargar os limites do que é possível, fundindo tecnologia de ponta e conhecimentos científicos.
Leia O Artigo Original: livescience
Leia Mais: Cateter Aprimorado por Inteligência Artificial para Prevenção de ITUs sem Medicamentos.
