Cómo hace la IA que los vehículos eléctricos sean más seguros y eficientes

Más de 250 000 vehículos eléctricos (EV) se vendieron cada semana el año pasado en todo el mundo, según una encuesta reciente de la Agencia Internacional de Energía. La encuesta también reveló que la adopción por parte de los consumidores se encuentra en un punto de inflexión, ya que los ejecutivos del sector esperan que los vehículos eléctricos representen el 40 % de las ventas de automóviles para 2030, en gran parte debido a que los vehículos eléctricos serán más baratos.

La batería es el mayor contribuyente al coste de los vehículos eléctricos y un foco de preocupación en torno a la seguridad y el rendimiento.

Pero una nueva investigación de la Universidad de Arizona muestra que el machine learning podría ayudar a evitar que las baterías de los vehículos eléctricos exploten. Los fabricantes de automóviles también pueden utilizar algoritmos avanzados para determinar la química, el tamaño y la forma específicos que conducen al mejor rendimiento y a los coches más sostenibles.

"Desarrollar y perfeccionar estas baterías hipotéticas podría desbloquear una oportunidad de miles de millones de dólares", dijo Benjamin Boeser, director de innovación en Mercedes-Benz, partner de IBM.

Aunque es pronto, se espera que la IA aumente el valor percibido de los vehículos eléctricos en más de un 20 %, según una reciente encuesta del Institute for Business Value de IBM.

La batería de iones de litio ha sido la reina del mercado mundial de baterías para vehículos eléctricos durante años, en gran parte debido a su excepcional densidad de energía, su mayor vida útil y su diseño ligero.

Persisten las preocupaciones de seguridad con las baterías de iones de litio, particularmente relacionadas con el riesgo de "fuga térmica". Esto ocurre cuando la temperatura de las baterías aumenta inesperadamente, lo que plantea el riesgo de que las baterías fallen, se incendien o incluso exploten.

La fuga térmica puede producirse debido a diversos factores, como la sobrecarga, la sobredescarga, la exposición a altas temperaturas, los defectos de fabricación y los cortocircuitos internos.

Para hacer frente a la fuga térmica, un equipo de la Universidad de Arizona ha desarrollado un modelo de machine learning para predecir y prevenir picos de temperatura en las baterías de iones de litio.

Los vehículos eléctricos suelen tener un paquete de baterías que consta de cientos de células estrechamente conectadas empaquetadas en módulos. Si se produce una fuga térmica en una celda, es muy probable que las celdas cercanas también se calienten.

"Se crea una reacción en cadena a medida que la temperatura de la batería se acelera de forma exponencial", afirma Basab Ranjan Das Goswami, investigador clave del proyecto. "Si esto sucede, toda la batería del vehículo eléctrico podría explotar".

Inspirándose en los marcos de previsión que tienen en cuenta el tiempo y la ubicación, el equipo desarrolló un algoritmo para predecir cuándo y dónde es probable que comience la fuga térmica. Utilizando sensores térmicos envueltos alrededor de celdas de batería, alimentaron datos históricos de temperatura en un algoritmo de machine learning para predecir temperaturas futuras.

"Si conocemos la ubicación del punto de acceso o el comienzo de la fuga térmica, podemos planificar soluciones para detener la batería antes de que alcance esa etapa crítica", dijo Goswami.

Una posible solución futura podría incluir un sistema de alerta temprana que detecte futuros puntos críticos y active un interruptor de seguridad para cortar las conexiones eléctricas del paquete principal.

Además de hacer que las baterías sean más seguras, los algoritmos avanzados también pueden mejorar su rendimiento y sostenibilidad.

"En el futuro, los chips de IA de bajo consumo energético ayudarán a reducir la necesidad de baterías grandes", afirma Noriko Suzuki, líder de pensamiento de tecnología en el Institute for Business Value de IBM. "Las baterías de los vehículos eléctricos son costosas y muy pesadas, lo que genera más estrés para la infraestructura vial.

El laboratorio de investigación de IBM en Almaden, California, tiene un proyecto dedicado que utiliza IA y machine learning para desarrollar baterías más potentes, sostenibles y energéticamente eficientes para vehículos eléctricos.

En concreto, el equipo utiliza flujos de trabajo de IA y machine learning para acelerar el descubrimiento y la optimización de materiales electrolíticos, un componente crítico que afecta a la seguridad, estabilidad y eficiencia de una batería. Este flujo de trabajo integra flujos de trabajo de simulación automatizados y amplios conocimientos y conjuntos de datos específicos del dominio con modelos de IA creados específicamente para descubrir nuevas formulaciones de electrolitos para baterías de alto rendimiento.

"La IA tiene el potencial de potenciar el descubrimiento de materiales y procesos complejos para baterías, lo que permite una carga más rápida, una mayor densidad de energía y una mayor sostenibilidad", afirma Murtaza Zohair, científico de investigación de IBM en el laboratorio de Almaden.

Los modelos fundacionales de IA multimodal, grandes modelos químicos preentrenados en más de 90 millones de moléculas, pueden ajustarse con conjuntos de datos de baterías etiquetados para predecir las propiedades de materiales complejos, como formulaciones de electrolitos, para optimizar el rendimiento de la batería. Los algoritmos "Deep Search" pueden extraer rápidamente conocimientos de enormes volúmenes de literatura científica existente. El kit de herramientas de simulación puede decidir de manera eficiente qué tipo de simulaciones ejecutar para comprender mejor los materiales y sus funciones. Finalmente, los modelos generativos pueden sugerir rápidamente nuevos materiales.

Mientras que algunos investigadores se centran en la química interna de la batería, otros utilizan la IA para estudiar los factores externos que pueden ayudar a reducir la energía consumida por la batería EV.

Un grupo de investigadores de la Academia Árabe de Ciencias de Giza (Egipto) ha desarrollado recientemente un nuevo algoritmo para el sistema GPS de los vehículos eléctricos, que selecciona las rutas de viaje más cortas, rápidas y energéticamente eficientes.

Los investigadores utilizaron el algoritmo para examinar el consumo de energía de los vehículos eléctricos en diferentes topologías de carreteras, evaluando el impacto de varios modelos de vehículos, la velocidad y la dirección del viento en el consumo de energía.

Los investigadores descubrieron que la velocidad y la dirección del viento podían conservar aproximadamente el 49 % de la capacidad de la batería durante un viaje corto de unos 50 km. También descubrieron que la topología de las carreteras tenía un gran impacto en la predicción de la autonomía y el consumo de energía. Optar por una carretera con menos pendientes, por ejemplo, podría suponer un ahorro energético de alrededor del 46 %.

Tener en cuenta todos estos factores a la hora de elegir la ruta óptima para el vehículo eléctrico podría ahorrar dinero y aumentar la vida útil de la batería.

Optimizar toda la infraestructura de carga de baterías de vehículos eléctricos también será crítico para allanar el camino para una amplia adopción de los vehículos eléctricos. Por ejemplo, es probable que la IA sea parte integral de la "carga inteligente", en la que los algoritmos monitorizan la salud y el estado de la batería y sugieren puntos y tiempos de carga óptimos para garantizar la máxima autonomía y duración de la batería. La IA también puede ayudar con la monitorización de la seguridad y la respuesta a incidentes para vehículos y redes de carga por igual.

Los algoritmos de deep learning y machine learning, combinados con sensores y cámaras, ya están proporcionando asistencia en el coche a los controladores que buscan mejorar la seguridad y la eficiencia de su vehículo. Volkswagen, por ejemplo, ha integrado la IA generativa en muchos de sus coches para que los conductores puedan, por ejemplo, pedir redirigir el coche a la estación de carga de vehículos eléctricos más cercana.

A largo plazo, podemos esperar que la IA transforme el mercado de los vehículos eléctricos y el transporte de forma más amplia, ya que integra los sistemas de asistencia al controlador y la conducción autónoma, permite el mantenimiento predictivo y ayuda a la integración con la red inteligente. En última instancia, el camino por recorrer para la innovación de los vehículos eléctricos es ilimitado, y la IA solo está ayudando a que sea un viaje más fluido.