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

Más de 250 000 vehículos eléctricos (VE) se vendieron cada semana el año pasado en todo el mundo, según una encuesta reciente de la International Energy Agency. La encuesta también encontró que la adopción por parte de los consumidores se encuentra en un punto de inflexión, ya que los ejecutivos de las industrias esperan que los vehículos eléctricos representen el 40 % de las ventas de automóviles para 2030, en gran parte debido a que los vehículos eléctricos se vuelven más baratos.

La batería es el mayor contribuyente al costo de los vehículos eléctricos y un punto crítico para las preocupaciones 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 VE 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 automóviles más sostenibles.

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

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

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

Las preocupaciones de seguridad persisten 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 ocurrir debido a varios factores, como sobrecarga, sobredescarga, exposición a altas temperaturas, defectos de fabricación y cortocircuitos internos.

Para abordar 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 baterías de iones de litio.

Los vehículos eléctricos suelen tener un paquete de baterías que consta de cientos de celdas 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 manera exponencial", dice Basab Ranjan Das Goswami, investigador clave del proyecto. "Si esto sucede, todo el paquete de baterías del vehículo eléctrico podría explotar".

Tomando como base las infraestructuras de forecasting 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 de acceso 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 sustentabilidad.

"En el futuro, los chips de IA de bajo consumo de energía ayudarán a reducir la necesidad de baterías grandes", dice Noriko Suzuki, líder de pensamiento de tecnología del Institute for Business Value de IBM. “Las baterías de los VE 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 VE.

Específicamente, el equipo utiliza IA y machine learning para acelerar el descubrimiento y la optimización de materiales electrolíticos, un componente crítico que impacta 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 especialmente diseñados, para descubrir nuevas formulaciones de electrolitos para baterías de alto rendimiento.

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

Los modelos fundacionales de IA multimodal, grandes modelos químicos entrenados previamente en más de 90 millones de moléculas, se pueden ajustar 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 de búsqueda a profundidad pueden extraer rápidamente conocimiento 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 de los VE.

Un grupo de investigadores de la Arab Academy for Science de Giza, Egipto, desarrolló recientemente un nuevo algoritmo para el sistema GPS de los VE, 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 podrían conservar aproximadamente el 49 % de la capacidad de la batería durante un viaje corto de aproximadamente 50 km. También descubrieron que la topología de las carreteras tenía un gran impacto en la predicción del alcance y el consumo de energía. Optar por una carretera con menos pendientes, por ejemplo, podría generar un ahorro de energía de alrededor del 46 %.

Tener en cuenta todos estos factores al elegir la ruta óptima para el VE podría ahorrar dinero y aumentar la vida útil de la batería.

Optimizar toda la infraestructura de carga de baterías de VE también será crítico para allanar el camino para una amplia adopción de vehículos eléctricos. Por ejemplo, es probable que la IA sea parte integral de la "carga inteligente", donde los algoritmos monitorean el estado 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 el monitoreo de seguridad y la respuesta a incidentes para vehículos y redes de carga por igual.

Los algoritmos de aprendizaje profundo y machine learning, combinados con sensores y cámaras, ya están brindando asistencia en el automóvil a los controladores que buscan mejorar la seguridad y eficiencia de su vehículo. Volkswagen, por ejemplo, ha integrado IA generativa en muchos de sus automóviles para que los controladores puedan, por ejemplo, solicitar redirigir el automóvil a la estación de carga de VE más cercana.

A largo plazo, podemos esperar que la IA transforme el mercado de VE y el transporte de manera más amplia, ya que integra los sistemas de asistencia al conductor 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 camino más fluido.