Un estimado colega nos comparte hoy el presente artículo, publicado el 31 de julio de 2025 en el boletín de noticias del New Jersey Institute of Technology (NJIT) y traducido por nosotros para este espacio. Veamos de qué se trata….

Investigadores del Instituto Tecnológico de Nueva Jersey (NJIT) han utilizado inteligencia artificial para abordar un problema crítico que enfrenta el futuro del almacenamiento de energía: encontrar alternativas asequibles y sostenibles a las baterías de iones de litio.

En una investigación publicada en Cell Reports Physical Science, el equipo del NJIT, dirigido por el profesor Dibakar Datta, aplicó con éxito técnicas de IA generativa para descubrir rápidamente nuevos materiales porosos capaces de revolucionar las baterías de iones multivalentes. Estas baterías, que utilizan elementos abundantes como magnesio, calcio, aluminio y zinc, ofrecen una alternativa prometedora y rentable a las baterías de iones de litio, que enfrentan desafíos de suministro global y problemas de sostenibilidad.

A diferencia de las baterías de iones de litio tradicionales, que se basan en iones de litio con una sola carga positiva, las baterías de iones multivalentes utilizan elementos cuyos iones tienen dos o incluso tres cargas positivas. Esto significa que las baterías de iones multivalentes pueden almacenar potencialmente mucha más energía, lo que las hace muy atractivas para futuras soluciones de almacenamiento de energía. Sin embargo, el mayor tamaño y la mayor carga eléctrica de los iones multivalentes dificultan su incorporación eficiente en los materiales de las baterías, un obstáculo que la nueva investigación impulsada por IA del equipo del NJIT aborda directamente.

"Uno de los mayores obstáculos no fue la falta de químicas prometedoras para las baterías, sino la absoluta imposibilidad de probar millones de combinaciones de materiales", afirmó Datta. "Recurrimos a la IA generativa como una forma rápida y sistemática de analizar cuidadosamente ese vasto panorama e identificar las pocas estructuras que realmente podrían hacer prácticas las baterías multivalentes.

"Este enfoque nos permite explorar rápidamente miles de candidatos potenciales, acelerando drásticamente la búsqueda de alternativas más eficientes y sostenibles a la tecnología de iones de litio".

Para superar estos obstáculos, el equipo del NJIT desarrolló un novedoso enfoque de IA dual: un Crystal Diffusion Variational Autoencoder (CDVAE por sus siglas en inglés) y un Large Language Model (LLM por sus siglas en inglés) finamente ajustado. Juntas, estas herramientas de IA exploraron rápidamente miles de nuevas estructuras cristalinas, algo que antes era imposible con los experimentos de laboratorio tradicionales.

El modelo CDVAE se entrenó con amplios conjuntos de datos de estructuras cristalinas conocidas, lo que le permitió proponer materiales completamente novedosos con diversas posibilidades estructurales. Mientras tanto, el LLM se ajustó para centrarse en los materiales más cercanos a la estabilidad termodinámica, crucial para la síntesis práctica.

"Nuestras herramientas de IA aceleraron drásticamente el proceso de descubrimiento, que reveló cinco estructuras de óxidos de metales de transición porosos completamente nuevas que muestran un gran potencial", afirmó Datta. "Estos materiales poseen canales amplios y abiertos, ideales para mover estos voluminosos iones multivalentes de forma rápida y segura, un avance crucial para las baterías de próxima generación".

El equipo validó las estructuras generadas por IA mediante simulaciones de mecánica cuántica y pruebas de estabilidad, lo que confirmó que los materiales podían sintetizarse experimentalmente y que tienen un gran potencial para aplicaciones en el mundo real.

Datta enfatizó las implicaciones más amplias de su enfoque basado en IA: "Esto va más allá del simple descubrimiento de nuevos materiales para baterías; se trata de establecer un método rápido y escalable para explorar cualquier material avanzado, desde la electrónica hasta las soluciones de energía limpia, sin necesidad de un ensayo y error exhaustivo".

Con estos resultados alentadores, Datta y sus colegas planean colaborar con laboratorios experimentales para sintetizar y probar sus materiales diseñados con IA, ampliando aún más los límites hacia baterías de iones multivalentes comercialmente viables.

Fuente: https://news.njit.edu/ai-breakthrough-njit-unlocks-new-materials-replace-lithium-ion-batteries