Como a IA está tornando os veículos elétricos mais seguros e eficientes

Mais de 250.000 veículos elétricos (EVs) foram vendidos todas as semanas no ano passado em todo o mundo, de acordo com uma pesquisa recente da Agência Internacional de Energia. A pesquisa também descobriu que a adoção do consumidor está em um momento decisivo, com executivos do setor esperando que os VEs representem 40% das vendas de carros até 2030, em grande parte devido ao fato de os VEs se tornarem mais baratos.

A bateria é o item que mais contribui para o custo dos veículos elétricos e um foco de preocupações com segurança e desempenho.

Mas uma nova pesquisa da University of Arizona mostra que o aprendizado de máquina pode ajudar a evitar que as baterias de veículos elétricos explodam. Os fabricantes de automóveis também podem utilizar algoritmos avançados para determinar a química, o tamanho e a forma específicos que levam ao melhor desempenho e aos carros mais sustentáveis.

"Desenvolver e aperfeiçoar essas baterias hipotéticas poderia liberar uma oportunidade de um bilhão de dólares", disse Benjamin Boeser, diretor de inovação da Mercedes-Benz, um IBM Partner.

Embora ainda esteja em seus primeiros dias, espera-se que a IA aumente o valor percebido dos veículos elétricos em mais de 20%, de acordo com uma recente pesquisa de campo do Institute for Business Value da IBM.

A bateria de íons de lítio tem sido a líder do mercado global de baterias para VEs há anos, em grande parte devido à sua densidade de energia excepcional, vida útil estendida e design leve.

Preocupações de segurança persistem com as baterias de íons de lítio, particularmente relacionadas ao risco de "descontrole térmico". Isso ocorre quando a temperatura das baterias aumenta inesperadamente, representando o risco de as baterias falharem, pegarem fogo ou até mesmo explodirem.

O descontrole térmico pode ocorrer devido a vários fatores, incluindo sobrecarga, descarga excessiva, exposição a altas temperaturas, defeitos de fabricação e curto-circuitos internos.

Para enfrentar a fuga térmica, uma equipe da University of Arizona desenvolveu um modelo de aprendizado de máquina para prever e evitar picos de temperatura em baterias de íons de lítio.

Os veículos elétricos normalmente têm um pacote de baterias que consiste em centenas de células intimamente conectadas e empacotadas em módulos. Se a fuga térmica ocorrer em uma célula, as células próximas são altamente propensas a aquecer também.

“Isso cria uma reação em cadeia à medida que a temperatura na bateria acelera de maneira exponencial”, diz Basab Ranjan Das Goswami, pesquisador-chave do projeto. “Se isso acontecer, toda a bateria do veículo elétrico poderá explodir.”

Inspirada em frameworks de forecasting que levam em conta o tempo e a localização, a equipe desenvolveu um algoritmo para prever quando e onde provavelmente começará a fuga térmica. Usando sensores térmicos envolvidos em torno de células de bateria, eles alimentaram dados históricos de temperatura em um algoritmo de aprendizado de máquina para prever temperaturas futuras.

"Se soubermos a localização do hotspot ou do início da fuga térmica, podemos planejar soluções para parar a bateria antes que ela atinja esse estágio crítico", disse Goswami.

Uma possível solução futura poderia incluir um sistema de alerta precoce que detecta futuros hotspots e ativa um interruptor de segurança para cortar as conexões elétricas da rede principal.

Além de tornar as baterias mais seguras, algoritmos avançados também podem melhorar seu desempenho e sustentabilidade.

"No futuro, os chips de IA com baixo consumo de energia ajudarão a reduzir a necessidade de baterias grandes", afirma Noriko Suzuki, líder de pensamento tecnológico do Institute for Business Value da IBM. "As baterias de VEs são caras e muito pesadas, levando a mais estresse na infraestrutura rodoviária.

O Laboratório de Pesquisa da IBM em Almaden, Califórnia, tem um projeto dedicado que utiliza IA e aprendizado de máquina para desenvolver baterias mais poderosas, sustentáveis e eficientes em termos de energia para veículos EV.

Especificamente, a equipe usa fluxos de trabalho de IA e aprendizado de máquina para acelerar a descoberta e a otimização de materiais eletrolíticos, um componente crítico que afeta a segurança, a estabilidade e a eficiência de uma bateria. Esse fluxo de trabalho integra fluxos de trabalho de simulação automatizados e um amplo conhecimento específico do domínio e conjuntos de dados com modelos de IA criados para fins específicos, para descobrir novas formulações de eletrólitos para baterias de alto desempenho.

"A IA tem o potencial de impulsionar a descoberta de materiais e processos de bateria complexos, permitindo um carregamento mais rápido, maior densidade de energia e melhor sustentabilidade", disse Murtaza Zohair, cientista de pesquisa da IBM no laboratório de Almaden.

Os modelos de base de IA multimodais, grandes modelos de química pré-treinados em mais de 90 milhões de moléculas, podem receber ajuste fino com conjuntos de dados de baterias rotulados para prever as propriedades de materiais complexos, como formulações de eletrólitos, para otimizar o desempenho das baterias. Algoritmos de deep search podem extrair rapidamente conhecimento de enormes volumes de literatura científica existente. O toolkit de simulação pode decidir com eficiência que tipo de simulações executar para entender melhor os materiais e suas funções. Finalmente, modelos generativos podem sugerir rapidamente novos materiais.

Enquanto alguns pesquisadores se concentram na química interna da bateria, outros estão usando a IA para estudar os fatores externos que podem ajudar a reduzir a energia consumida pelas baterias de VEs.

Um grupo de pesquisadores da Academia Árabe de Ciências em Giza, Egito, desenvolveu recentemente um novo algoritmo para o sistema GPS de VEs, que seleciona as rotas de viagem mais curtas, rápidas e mais eficientes em termos de energia.

Os pesquisadores usaram o algoritmo para examinar o consumo de energia de veículos elétricos em diferentes topologias rodoviárias, avaliando o impacto de vários modelos de veículos, velocidade e direção do vento no consumo de energia.

Os pesquisadores descobriram que a velocidade e a direção do vento poderiam conservar aproximadamente 49% da capacidade da bateria durante uma jornada curta de aproximadamente 50 km. Eles também descobriram que a topologia da estrada tinha um grande impacto na previsão do alcance e no consumo de energia. Optar por uma estrada com menos inclinações, por exemplo, pode resultar em uma economia de energia de cerca de 46%.

Levar todos esses fatores em consideração ao escolher a rota ideal para o VE pode economizar dinheiro e aumentar a vida útil da bateria.

A otimização de toda a infraestrutura de carregamento de baterias de VEs também será crítica para abrir caminho para uma ampla adoção de VEs. Por exemplo, a IA provavelmente será integral para o “carregamento inteligente”, onde algoritmos monitoram a integridade e o status da bateria e sugerem pontos e tempo de carregamento ideais para garantir o máximo alcance de condução e a vida útil da bateria. A IA também pode ajudar no monitoramento de segurança e na resposta a incidentes para veículos e redes de recarga.

Algoritmos de máquina e deep learning, combinados com sensores e câmeras, já estão fornecendo assistência no carro para motoristas que buscam melhorar a segurança e a eficiência dos seus veículos. A Volkswagen, por exemplo, integrou a IA generativa a muitos de seus carros para que os motoristas pudessem, por exemplo, pedir para reencaminhar o carro para a estação de carregamento de veículos elétricos mais próxima.

No longo prazo, podemos esperar que a IA transforme o mercado de VE e o transporte de forma mais ampla, à medida que integra sistemas de assistência ao motorista e condução autônoma, permite a manutenção preditiva e auxilia na integração com a rede inteligente. Em última análise, o caminho pela frente para a inovação em veículos elétricos é ilimitado — e a IA está apenas ajudando a torná-la uma jornada mais tranquila.