In che modo l'AI rende i veicoli elettrici più sicuri ed efficienti

Oltre 250.000 veicoli elettrici (EV) sono stati venduti ogni settimana l'anno scorso a livello globale, secondo un recente sondaggio dell'International Energy Agency. Il sondaggio ha inoltre rilevato che l'adozione da parte dei consumatori è a un punto di svolta: i dirigenti del settore prevedono che i veicoli elettrici rappresenteranno il 40% delle vendite di auto entro il 2030, in gran parte perché i veicoli elettrici stanno diventando più economici.

La batteria è il fattore che contribuisce maggiormente al costo dei veicoli elettrici e rappresenta un punto critico per quanto riguarda sicurezza e prestazioni.

Ma una nuova ricerca della University of Arizona dimostra che il machine learning potrebbe aiutare a prevenire l'esplosione delle batterie dei veicoli elettrici. Le case automobilistiche possono anche utilizzare algoritmi avanzati per determinare la chimica, le dimensioni e la forma specifiche che portano alle migliori prestazioni e ad auto più sostenibili.

"Lo sviluppo e il perfezionamento di queste ipotetiche batterie potrebbe sbloccare un'opportunità da un miliardo di dollari", ha dichiarato Benjamin Boeser, direttore dell'innovazione presso Mercedes-Benz, un IBM Partner.

Anche se siamo agli inizi, si prevede che l'AI aumenterà il valore percepito dei veicoli elettrici di oltre il 20%, secondo una recente indagine sul campo dell'IBM Institute for Business Value.

La batteria agli ioni di litio è da anni la regina del mercato globale delle batterie per veicoli elettrici, in gran parte grazie alla sua eccezionale densità di energia, alla maggiore durata e al design leggero.

Tuttavia, i problemi di sicurezza con le batterie agli ioni di litio non sono ancora risolti, in particolare quelli legati al rischio di "instabilità termica". Ciò si verifica quando la temperatura delle batterie aumenta inaspettatamente, con il rischio che le batterie si guastino, prendano fuoco o addirittura esplodano.

La fuga termica può verificarsi a causa di vari fattori, tra cui sovraccarico, scarica eccessiva, esposizione alle alte temperature, difetti di fabbricazione e cortocircuiti interni.

Per affrontare la fuga termica, un team della University of Arizona ha sviluppato un modello di apprendimento automatico per prevedere e prevenire i picchi di temperatura nelle batterie agli ioni di litio.

I veicoli elettrici in genere hanno un pacchetto batteria composto da centinaia di celle strettamente connesse racchiuse in moduli. Se in una cella si verifica una fuga termica, è molto probabile che anche le celle vicine si surriscaldino.

"Crea una reazione a catena quando la temperatura della batteria accelera in modo esponenziale", afferma Basab Ranjan Das Goswami, primo ricercatore del progetto. “Se ciò accadesse, l'intero pacchetto batteria del veicolo elettrico potrebbe esplodere.”

Ispirato dai framework di previsione che tengono conto del tempo e del luogo, il team ha sviluppato un algoritmo per prevedere quando e dove è probabile che inizi la fuga termica. Utilizzando sensori termici avvolti attorno alle celle della batteria, hanno inserito i dati storici sulla temperatura in un algoritmo di machine learning per prevedere le temperature future.

"Se conosciamo la posizione dell'hotspot o l'inizio della fuga termica, possiamo pianificare soluzioni per fermare la batteria prima che raggiunga quel punto critico", ha detto Goswami.

Una potenziale soluzione futura potrebbe includere un sistema di allerta precoce che rileva i futuri hotspot e attiva un interruttore di sicurezza per interrompere i collegamenti elettrici dal pacchetto principale.

Oltre a rendere le batterie più sicure, gli algoritmi avanzati possono anche migliorarne le prestazioni e la sostenibilità.

"In futuro, i chip di AI a basso consumo energetico contribuiranno a ridurre la necessità di batterie di grandi dimensioni", afferma Noriko Suzuki, leader tecnologico presso l'Institute for Business Value di IBM. "Le batterie per veicoli elettrici sono costose e molto pesanti, il che comporta un maggiore stress sulle infrastrutture stradali.

Il Research Lab di IBM ad Almaden, California, ha un progetto dedicato che utilizza AI e machine learning per sviluppare batterie più potenti, sostenibili ed efficienti dal punto di vista energetico per veicoli elettrici.

In particolare, il team utilizza l'AI e i workflow di machine learning per accelerare la scoperta e l'ottimizzazione dei materiali elettrolitici, un componente fondamentale che influisce sulla sicurezza, sulla stabilità e sull'efficienza di una batteria. Questo workflow integra flussi di lavoro di simulazione automatizzati e ampie conoscenze e set di dati specifici del dominio con modelli AI appositamente progettati, per scoprire nuove formulazioni elettrolitiche per batterie ad alte prestazioni.

"L'AI può potenziare la scoperta di materiali e processi complessi per le batterie, consentendo una ricarica più rapida, una maggiore densità di energia e una maggiore sostenibilità", ha dichiarato Murtaza Zohair, scienziato di IBM Research nel laboratorio di Almaden.

I foundation model multimodali di AI, grandi modelli chimici preaddestrati su oltre 90 milioni di molecole, possono essere messi a punto con set di dati etichettati sulle batterie per prevedere le proprietà di materiali complessi, come le formulazioni elettrolitiche, per ottimizzare le prestazioni della batteria. Gli algoritmi di deep search possono estrarre rapidamente conoscenze da enormi volumi di letteratura scientifica esistente. Il toolkit di simulazione può decidere in modo efficiente quale tipo di simulazioni eseguire per comprendere meglio i materiali e le loro funzioni. Infine, i modelli generativi possono suggerire rapidamente nuovi materiali.

Mentre alcuni ricercatori si concentrano sulla chimica interna della batteria, altri utilizzano l'AI per studiare i fattori esterni che possono aiutare a ridurre l'energia consumata dalla batteria dei veicoli elettrici.

Un gruppo di ricercatori dell'Arab Academy for Science di Giza, in Egitto, ha recentemente sviluppato un nuovo algoritmo per il sistema GPS dei veicoli elettrici, che seleziona i percorsi di viaggio più brevi, veloci ed efficienti dal punto di vista energetico.

I ricercatori hanno utilizzato l'algoritmo per esaminare il consumo di energia dei veicoli elettrici su diverse topologie stradali, valutando l'impatto dei vari modelli di veicoli, della velocità e della direzione del vento sul consumo di energia.

I ricercatori hanno scoperto che la velocità e la direzione del vento possono permettere di risparmiare circa il 49% della capacità della batteria durante un breve viaggio di circa 50 km. Hanno anche scoperto che la topologia stradale ha avuto un grande impatto sulla previsione dell'autonomia e sul consumo di energia. Optare per una strada con meno pendenze, ad esempio, comporta un risparmio energetico di circa il 46%.

Prendere in considerazione tutti questi fattori nella scelta del percorso ottimale per il veicolo elettrico aiuta a risparmiare denaro e ad aumentare la durata della batteria.

L'ottimizzazione dell'intera infrastruttura di ricarica delle batterie sarà fondamentale anche per aprire la strada a un'ampia adozione dei veicoli elettrici. Ad esempio, l'AI sarà probabilmente parte integrante della "ricarica intelligente", in cui gli algoritmi monitorano la salute e lo stato della batteria e suggeriscono punti e tempi di ricarica ottimali per garantire la massima autonomia e durata. L'AI può anche aiutare con il monitoraggio della sicurezza e la risposta agli incidenti sia per i veicoli che per le reti di ricarica.

Gli algoritmi di machine e deep learning, combinati con sensori e telecamere, stanno già fornendo assistenza in auto ai driver che desiderano migliorare la sicurezza e l'efficienza del proprio veicolo. La Volkswagen, ad esempio, ha integrato l'AI generativa in molte delle sue auto in modo che i driver possano alla fine, ad esempio, chiedere di reindirizzare l'auto verso la stazione di ricarica per veicoli elettrici più vicina.

A lungo termine, possiamo aspettarci che l'AI trasformi il mercato dei veicoli elettrici e i trasporti in modo più ampio, poiché integra i sistemi di assistenza al conducente e la guida autonoma, consente la manutenzione predittiva e aiuta l'integrazione con la rete intelligente. In definitiva, la strada da percorrere per l'innovazione dei veicoli elettrici è senza limiti e l'AI sta solo contribuendo a renderla più fluida.