Usando IA e robôs para acelerar a otimização do desenvolvimento de novas baterias

Diagrama esquemático do experimento automatizado de eletrólitos – “Clio”. Ele usa uma série de duas bombas programáticas para dosar e transferir uma amostra líquida. A dosagem ocorre a partir de soluções de alimentação (a) através de uma válvula de 24 portas (b) mediada por bombas (c) e uma válvula de três vias (d) em um recipiente de resíduos (e) ou um recipiente comum com um sonicador para mistura ( f). A transferência leva a amostra líquida através de uma câmara de condutividade de fio Pt dupla conectada a um potenciostato Palmsens4 (g), uma válvula de três vias que leva a um balanço de massa (h) e um viscosímetro Brookfield (i). Toda a comutação de 5 V é controlada por um relé Devantech (j). O software Labview personalizado (k) orquestra todos os instrumentos. O argônio do porta-luvas é canalizado em alta pressão (l) para auxiliar na limpeza do volume fechado. Crédito:Comunicação da Natureza (2022). DOI:10.1038/s41467-022-32938-1

Uma equipe de pesquisadores da Carnegie Mellon University desenvolveu uma nova abordagem para acelerar o processo de criação de baterias cada vez mais otimizadas. Em seu artigo publicado na revista Nature Communications , o grupo descreve como eles emparelharam um tipo único de robô com um sistema de aprendizado de IA para criar eletrólitos líquidos não aquosos cada vez mais úteis.
À medida que as vendas de dispositivos portáteis dispararam e as montadoras se voltaram para veículos elétricos, a demanda por baterias que duram mais e carregam mais rapidamente também aumentou. Infelizmente, a ciência do desenvolvimento de novas baterias para atender a essas necessidades ficou para trás – normalmente envolve o uso da intuição por parte dos químicos junto com a persistência. Tais esforços podem levar anos. Neste novo estudo, os pesquisadores de Pittsburgh buscaram acelerar o processo usando técnicas de automação.

No centro da maioria dos projetos de baterias está a criação de um eletrólito de bateria de íons de lítio não aquoso que funciona melhor do que aqueles que foram desenvolvidos anteriormente. Os pesquisadores tendem a buscar uma condutividade iônica otimizada. Para acelerar o processo de encontrá-los, os pesquisadores criaram um robô chamado Clio que aceitava os ingredientes usados para fazer um eletrólito e depois seguia um conjunto de instruções para fazer algumas amostras.

Eles então adicionaram um computador executando um aplicativo de IA de aprendizado profundo (chamado Dragonfly) que aceitava dados do Clio e de sensores no eletrólito produzido pelo robô. A Dragonfly analisou a amostra e sugeriu possíveis melhorias. Clio aceitou as melhorias e as usou para fazer uma nova amostra. Esse sistema de vai-e-vem foi repetido várias vezes (cada uma levou aproximadamente dois dias) com o eletrólito melhorando gradualmente. Em um ponto designado pelos pesquisadores, o par mecânico deixou de funcionar, permitindo que os pesquisadores testassem os produtos que haviam sido produzidos.

Em seus testes, os pesquisadores descobriram que seu sistema emparelhado funcionou como esperado, eles viram melhorias graduais nas amostras de eletrólitos - o melhor foi 13% melhor do que as baterias de melhor desempenho agora no mercado.

No futuro, os pesquisadores planejam continuar refinando seu sistema para permitir testar mais objetivos e talvez torná-lo mais rápido. + Explorar mais