La inteligencia artificial mejora la salud y la seguridad de las baterías

Los investigadores han diseñado una nueva forma de monitorear las baterías enviándoles pulsos eléctricos y midiendo la respuesta. Luego, las mediciones se procesan mediante un algoritmo de aprendizaje automático para predecir el estado y la vida útil de la batería. El método no es invasivo y es un complemento simple para cualquier sistema de batería existente.

Predecir el estado de salud y la vida útil restante de las baterías de iones de litio es uno de los grandes problemas que limitan la adopción generalizada de vehículos eléctricos y también afecta a la seguridad de los teléfonos móviles. Con el tiempo, el rendimiento de la batería se degrada a través de una red compleja de procesos químicos sutiles. Individualmente, cada uno de estos procesos no tiene mucho efecto en el rendimiento de la batería, pero en conjunto, pueden acortar severamente el rendimiento y la vida útil de la batería.

Los métodos actuales para predecir el estado de la batería se basan en el seguimiento de la corriente y el voltaje durante la carga y descarga de la batería. Esto pierde funciones importantes que indican el estado de la batería. El seguimiento de los muchos procesos que ocurren dentro de la batería requiere nuevas formas de sondear las baterías en acción, así como nuevos algoritmos que puedan detectar señales sutiles a medida que se cargan y descargan.

Los investigadores diseñaron una forma de monitorear una batería enviándole pulsos eléctricos y midiendo su respuesta. Luego se usa un modelo de aprendizaje automático para descubrir características específicas en la respuesta eléctrica que son el signo revelador del envejecimiento de la batería. Los investigadores realizaron más de 20.000 mediciones experimentales para entrenar el modelo. Es importante destacar que el modelo aprende a distinguir las señales importantes del ruido irrelevante. El método no es invasivo y es un complemento simple para cualquier sistema de batería existente.

Los investigadores también demostraron que el modelo de aprendizaje automático se puede interpretar para dar pistas sobre el mecanismo físico de degradación. El modelo puede informar qué señales eléctricas están más correlacionadas con el envejecimiento, lo que a su vez les permite diseñar experimentos específicos para investigar por qué y cómo se degradan las baterías.

La plataforma de aprendizaje automático se está utilizando para comprender la degradación en diferentes químicas de baterías. Se están desarrollando protocolos de carga de batería óptimos, impulsados ​​por aprendizaje automático, para permitir una carga rápida y minimizar la degradación.