Internacional. Las empresas de tecnología se están apresurando a identificar defectos en las celdas de batería de vehículos eléctricos que pueden causar incendios y otros problemas, utilizando inteligencia artificial.
Están entrenando modelos de IA para evaluar rápidamente qué es normal en una celda y qué no lo es, lo que acelera significativamente los controles de calidad.
"La IA se trata de escalabilidad: cuanto más la puedas implementar, mejor estarás", dijo Peter Kostka, director de soluciones de batería en PDF Solutions, el 10 de octubre en The Battery Show en Detroit. Esta empresa enseña a su modelo de IA a comprender las estructuras de las baterías.
UnitX también emplea IA para mejorar el proceso de identificación de defectos. Su tecnología 3D puede detectar anomalías sutiles a altas velocidades y ofrece mayor profundidad de análisis que la visión 2D, según el CEO Keven Wang. En un estudio de caso de UnitX, los operadores humanos escanearon una celda cada cinco minutos, mientras que la herramienta de IA lo hizo cada 3.5 segundos. Gracias a esto, la fábrica podría reasignar a tres inspectores humanos, afirmó Wang.
En medio de este avance tecnológico, Nio Europa anunció en septiembre que utilizaría la tecnología de Monolith para desarrollar un modelo conjunto de aprendizaje automático. Este modelo comparará datos de campo de vehículos actuales con datos de pruebas de banco, lo que también reducirá el tiempo dedicado a la limpieza, muestreo, análisis y detección de anomalías en los datos de las baterías.
Las empresas comienzan a utilizar IA para predecir y optimizar la salud de las baterías a través de los sistemas de gestión de baterías de los vehículos, así como para limpiar, clasificar y reestructurar datos mediante ChatGPT, y mapear moléculas en busca de materiales de próxima generación. Conocer el estado de salud de la batería puede ayudar a los conductores a optimizar la carga y potencialmente extender su vida útil entre un 10 y un 20 por ciento, señaló Ahlfeld.
SES AI está trabajando en modelos de IA que pueden mapear más moléculas de las que los humanos pueden, según su CEO Qichao Hu. Estos modelos tienen el potencial de ser tan inteligentes o más que los mejores químicos. SES AI cree que este mapeo acelerará el descubrimiento de materiales para resolver problemas de baterías en vehículos eléctricos, electrónica, almacenamiento en red y otras aplicaciones. Sin embargo, los científicos humanos son esenciales para hacer que la base de datos sea efectiva.
"Los científicos humanos aún necesitan sintetizar el modelo, usarlo y realmente probar las baterías. Es un proceso en el que el modelo genera ideas, pero la validación de esas ideas la llevan a cabo los humanos", comentó Hu.
Avanzar en las químicas es uno de los potenciales más emocionantes de la IA en el ámbito de las baterías, indicó Patrick Hertzke, socio de automotriz y ensamblaje en el Centro de Movilidad Futura de McKinsey & Co. "Numerosas empresas están realizando pruebas incrementales para mejorar las baterías", añadió.
"Es como hacer una vacuna o un medicamento farmacéutico. No es fácil, y no es un proceso lineal", dijo Hertzke. Sin embargo, a partir de los avances en el sector farmacéutico, "también deberías sentirte bastante emocionado por el potencial de mejora química en el ámbito de las baterías".
Manan Pathak, CEO de BattGenie, señaló en The Battery Show que "la fabricación de baterías es más un arte que una ciencia. Es extremadamente difícil tener un proceso de fabricación de extremo a extremo que produzca celdas realmente buenas y reproducibles con tasas de error muy bajas".
A pesar de estos desafíos, Wang enfatizó que "la IA es otra forma de algoritmo. No es una solución mágica ni magia. Es muy buena para predecir cosas".
