Durante uma das sessões finais do nosso evento ClimateTech, ouvi falar sobre como a IA poderia ajudar a desenvolver materiais de bateria para futuros carros esportivos elétricos.
Isso aconteceu durante uma discussão com Venkat Viswanathan sobre o potencial da aviação elétrica — uma perspectiva empolgante, mas também um enorme desafio, dadas as grandes exigências das baterias durante o voo. As baterias atuais simplesmente não são suficientes para os céus.
Em nossa conversa, Viswanathan disse que um dos motivos pelos quais ele vê esperança na aviação elétrica é o potencial da IA para acelerar a pesquisa de baterias. Na verdade, ele foi cofundador de uma startup chamada Aionics em 2020 para trazer a IA para o desenvolvimento de baterias.
No palco da ClimateTech, Viswanathan anunciou uma nova parceria de pesquisa que, segundo ele, poderia tornar a IA uma força fundamental no desenvolvimento de futuras baterias para veículos elétricos. O acordo é entre a Aionics e a Cellforce, uma fabricante alemã de baterias que é uma subsidiária da Porsche. A Aionics ajudará a Cellforce a projetar novos materiais de eletrólitos, na esperança de produzir baterias melhores.
Ainda estou empolgado com essa sessão e com todos os meus outros bate-papos da ClimateTech, portanto vamos nos aprofundar um pouco mais e ver como a IA pode ajudar a impulsionar o progresso das baterias.
Acelerando ao máximo
Precisamos de baterias melhores. Os veículos elétricos que podem carregar mais rapidamente e armazenar mais energia podem ajudar a tirar das ruas mais carros movidos a combustíveis fósseis. E para alguns setores, como o da aviação, será necessário um progresso técnico significativo na química das baterias para que a tecnologia mais nova e mais limpa comece a funcionar.
Mas as novas baterias criadas em um laboratório têm uma longa jornada antes de poderem ser produzidas em larga escala. É um caminho que pode levar mais de uma década para ser percorrido.
Durante nossa sessão na ClimateTech, Viswanathan descreveu esse problema e apontou para o rastreador de atividades físicas em seu pulso, que continha uma bateria fabricada pela Sila. Seu novo ânodo é feito de silício, o que ajuda a armazenar mais energia no dispositivo. Para chegar à química da bateria desse pequeno produto, foram necessárias mais de 55.000 iterações, de acordo com a empresa.
Essa é uma situação bastante típica para desenvolvedores de baterias — e um grande gargalo para novas tecnologias, disse outro cofundador da Aionics, Austin Sendek, em uma ligação telefônica antes do evento. “Há muita urgência em relação às baterias e à tecnologia climática em geral… e essa abordagem de tentativa e erro dos últimos anos simplesmente não funcionará”, disse Sendek.
O problema é que há um número quase insondável de materiais potenciais e combinações de materiais para uso em baterias. Sendek estima em bilhões o número de produtos químicos disponíveis comercialmente que poderiam ser usados. “É um número muito grande para sabermos o que fazer com ele”, afirma.
A Aionics está trabalhando para usar ferramentas de IA para ajudar os pesquisadores a encontrar melhores produtos químicos para baterias com mais rapidez. A empresa está se concentrando principalmente no eletrólito, o material que transporta a carga nas baterias. “Essa é uma grande oportunidade para acelerarmos todo esse setor”, diz Sendek.
Mudança de marcha
Então, como tudo isso funciona de fato? Há uma grande variedade de ferramentas sob o guarda-chuva da IA que a Aionics espera que ajude a produzir baterias melhores para futuros EVs e outras aplicações.
- O machine learning pode classificar uma ampla gama de opções. Mesmo considerando apenas os produtos químicos usados nas baterias atualmente, há um grande número de combinações disponíveis. As ferramentas de aprendizado de máquina podem ajudar a projetar experimentos para acelerar o processo de triagem dessas opções e, ao mesmo tempo, otimizar o resultado desejado. Em um artigo recente, Viswanathan e seus coautores usaram essas ferramentas para encontrar eletrólitos que ajudam as baterias a carregar mais rapidamente, como meu colega James Temple escreveu no ano passado.
- A IA generativa pode projetar novos materiais. É possível ir além até mesmo dos bilhões de moléculas disponíveis atualmente. Usando modelos generativos treinados em materiais de bateria existentes, a Aionics espera desenvolver novos materiais que ainda não foram descobertos. Essas moléculas podem então ser adicionadas ao pipeline para serem sintetizadas e testadas em baterias. A ideia é semelhante ao uso da IA para a descoberta de medicamentos, um tópico que meu colega da nossa equipe de IA, Will Douglas Heaven, abordou em profundidade no início deste ano.
- Grandes modelos de linguagem podem ajudar os pesquisadores a trabalhar mais rapidamente. Em outro anúncio na ClimateTech, Viswanathan compartilhou o progresso de um grande modelo de linguagem desenvolvido pela Aionics, chamado ElectroBot. O modelo, que é treinado com base em livros didáticos e pesquisas publicadas sobre química de eletrólitos, pode ajudar a responder perguntas sobre propriedades químicas ou dar sugestões para ajudar a resolver problemas no laboratório. Esses tipos de modelos de IA geralmente têm problemas de “alucinação” ou de gerar uma resposta que não é factualmente verdadeira. A startup está trabalhando para combater esse problema em seu modelo com respostas que remetem os cientistas a livros didáticos ou artigos publicados.
Como Viswanathan disse no palco, a IA pode ser nossa melhor chance de acelerar o cronograma de desenvolvimento de baterias.
Leitura relacionada
A IA e os robôs podem ajudar os pesquisadores a desenvolverem novas baterias, como meu colega James Temple abordou em uma matéria no ano passado.
Os materiais das baterias podem parecer de nicho, mas podem ser cruciais para colocar produtos melhores nas ruas. Leia mais sobre como os novos materiais podem ajudá-lo a carregar seu veículo elétrico mais rapidamente neste artigo que escrevi no início deste ano.
Gigantes do setor de baterias, como a BYD, estão aumentando a produção em um ritmo alucinante, tornando as baterias mais baratas em todos os setores. Leia mais sobre essa empresa, uma de nossas 15 a serem observadas, neste perfil de meu colega Zeyi Yang.
( fonte: MIT Technology Review )
