L’IA ci aiuterà a costruire batterie migliori?
Abbiamo scritto una serie di articoli su come l’intelligenza artificiale (IA) stia contribuendo al progresso di altri megatrend:
- L'IA continua a gettare le basi di un futuro straordinario per la biologia
- L'IA può sostituire le persone? Il caso di studio dell'autotrasporto
- Il potenziale contributo dell'lA alla ricerca dei metalli sempre più richiesti da tutto il mondo.
Analizzando questi collegamenti fra più temi, possiamo smettere di considerare l’IA come una scatola nera di complessità algoritmica e vederla piuttosto come un mezzo inteso a risolvere problemi concreti nel mondo.
Una breve introduzione alle batterie elettrochimiche1
Quelle che oggi sono note come batterie “agli ioni di litio” rientrano nella categoria delle “batterie elettrochimiche”. Affinché una batteria possa generare energia, il processo chimico deve produrre elettroni e la batteria, per essere “ricaricata”, deve immagazzinarli.
La struttura della batteria è composta da anodo (polo negativo), elettrolita e catodo (polo positivo) e la corrente che la batteria può generare è correlata al numero di elettroni che fluiscono dal polo negativo a quello positivo, mentre il voltaggio dipende dalla forza esercitata dagli elettroni “in viaggio”.
Quando utilizziamo la batteria, ossia quando usiamo lo smartphone o guidiamo la nostra auto elettrica, gli elettroni stanno fluendo attraverso l’elettrolita dall’anodo al catodo. Caricare i propri dispositivi significa “costringere” il processo a svolgersi al contrario, con gli elettroni che lasciano il catodo, tornano indietro attraverso l’elettrolita e finiscono nell’anodo.
Perché dobbiamo sapere tutto questo?
Alcuni di voi potrebbero reagire come me, obiettando che l’ultima volta in cui hanno seguito una lezione di chimica è stato più di vent’anni fa. Il motivo per cui abbiamo fatto questa premessa, però, è che ora ci permette di pensare nei termini seguenti:
- le diverse parti della batteria possono essere realizzate prendendo a modello diversi elementi;
- cambiare il mix di metalli nel catodo, per esempio, può incidere sulla densità energetica, sulla velocità di carica, sulla dispersione di calore o su altre caratteristiche delle batterie;
- i ricercatori possono sperimentare ogni sorta di anodi, catodi ed elettroliti diversi nell’intento di ottimizzare le caratteristiche di una determinata batteria in relazione al suo utilizzo.
Ora possiamo capire meglio i modi in cui è possibile ricorrere a un processo di intelligenza artificiale per cercare di migliorare varie caratteristiche delle batterie che usiamo.
Chi vuole che i veicoli elettrici si ricarichino più velocemente?
Uno dei tanti ostacoli alla maggiore diffusione delle auto elettriche è il tempo necessario per caricare una batteria rispetto a quello per riempire un serbatoio di benzina. Poiché quest’ultima operazione è molto più rapida, si preferiscono i motori a combustione interna ai veicoli elettrici a batteria.
Ogni unità di tempo che si possa sottrarre al periodo di ricarica comporta margini enormi di commerciabilità per i produttori di automobili e per quelli di batterie.
I ricercatori di Carnegie Mellon hanno usato un sistema robotico per gestire dozzine di esperimenti intesi a generare diversi elettroliti che potrebbero consentire di caricare più rapidamente le batterie agli ioni di litio; con questo sistema, noto col nome di Clio, si è riusciti sia a combinare soluzioni differenti sia a misurare le prestazioni sulla base di parametri critici per le batterie. Questi risultati sono stati poi comunicati a un sistema di apprendimento automatico chiamato Dragonfly2.
Con Dragonfly il processo comincia a farsi intrigante: il sistema è concepito per proporre combinazioni possibili di sostanze chimiche da utilizzare negli elettroliti, che potrebbero offrire anche prestazioni migliori. Il ricorso a questo processo in questo particolare periodo storico ha condotto alla realizzazione di sei soluzioni elettrolitiche differenti che hanno dato risultati migliori di una soluzione standard quando sono state inserite in normali camere di prova per batterie. L’opzione più valida ha evidenziato un miglioramento del 13% rispetto alla batteria di riferimento più performante3.
In realtà, i componenti dell’elettrolita si possono combinare e abbinare in miliardi di modi diversi, ma il vantaggio offerto dal sistema che in cui “collaborano” Clio e Dragonfly è la possibilità di vagliare una gamma più ampia di possibilità più rapidamente di quanto non facciano gli esseri umani da soli. Inoltre, non essendo provvisto di informazioni in materia di chimica o di batterie, Dragonfly non condiziona il processo con la distorsione dovuta a conoscenze o esperienze pregresse.
Il ricorso all’IA per contribuire all’evoluzione delle batterie allo stato solido
Benché il percorso summenzionato comporti il miglioramento degli elettroliti liquidi, oggi questo non è l’unico settore critico per la ricerca sulle batterie.
Se l’elettrolita liquido infiammabile viene sostituito con un elettrolita stabile allo stato solido, non sono da escludere eventuali miglioramenti per quanto concerne la sicurezza, il ciclo di vita e la densità energetica della batteria. Tuttavia non è semplice reperire i materiali adeguati per agevolare la costruzione di batterie allo stato solido che soddisfino tutte le specifiche e possano essere prodotte su vasta scala.
I ricercatori di Stanford hanno osservato un processo particolare con cui raccolgono dati su 40 materiali, con valori buoni e scarsi relativi alla conducibilità del litio a temperatura ambiente. Si ritiene che questa particolare caratteristica sia quella maggiormente restrittiva fra tutti i vari limiti imposti ai materiali candidati. I 40 esempi vengono sottoposti ad un classificatore di regressione logistica che può “imparare” a prevedere se il materiale abbia sortito buoni risultati oppure no in base alla struttura atomistica. Dopo la fase di addestramento, il modello può quindi valutare più di 12.000 materiali solidi contenenti litio e trovarne circa 1.000 che abbiano una possibilità superiore al 50% di condurre rapidamente gli ioni di litio4.
L'evoluzione delle batterie allo stato solido lungo il percorso di sviluppo rappresenta dunque un altro caso di utilizzo palese dell’intelligenza artificiale.
Conclusione: lo stoccaggio energetico è uno degli aspetti più importanti per i decenni a venire
Disporre di soluzioni migliori per lo stoccaggio energetico aiuterà la società globale in una miriade di modi diversi. Caso classico: esistono fonti intermittenti di energia, come quella solare ed eolica, che possono utilizzare le batterie per equilibrare i flussi energetici nel tempo. Tuttavia, credo che saremmo tutti entusiasti di avere smartphone che richiedano una sola ricarica alla settimana o batterie per veicoli elettrici a lungo raggio in grado di ricaricarsi più o meno nello stesso tempo che occorreva in precedenza per fare rifornimento a un distributore di benzina.
Fonti
1 Fonte: https://www.volts.wtf/p/a-primer-on-lithium-ion-batteries#details
2 Fonte: Temple, James. “How robots and AI are helping develop better batteries.” MIT Technology Review. 27 settembre 2022.
3 Fonte: Temple, 27 settembre 2022.
4 Fonte: https://reedgroup.stanford.edu/research/eletrolyte.html
Blog correlati
+ L'IA continua a gettare le basi di un futuro straordinario per la biologia
+ L'IA può sostituire le persone? Il caso di studio dell'autotrasporto
+ Il potenziale contributo dell'lA alla ricerca dei metalli sempre più richiesti da tutto il mondo