La red abierta y similar a la esponja dentro de un óxido de transición porosa y metal de transición permite que los iones más grandes, doblemente o triple, viajen durante los ciclos de carga y descarga de una batería. Crédito: Instituto de Tecnología de Nueva Jersey
Investigadores del Instituto de Tecnología de Nueva Jersey (NJIT) han utilizado inteligencia artificial para abordar un problema crítico que enfrenta el futuro del almacenamiento de energía: encontrar alternativas asequibles y sostenibles a las baterías de iones de litio.
En investigación publicada en Informes de células Ciencias físicasEl equipo de NJIT dirigido por el profesor Dibakar Datta aplicó con éxito técnicas generativas de IA para descubrir rápidamente nuevos materiales porosos capaces de revolucionar las baterías de iones multivalentes. Estas baterías, utilizando elementos abundantes como magnesio, calcio, aluminio y zinc, ofrecen una alternativa prometedora y rentable a las baterías de iones de litio, que enfrentan desafíos de suministro global y problemas de sostenibilidad.
A diferencia de las baterías tradicionales de iones de litio, que se basan en iones de litio que tienen solo una carga positiva, las baterías de iones multivalentes utilizan elementos cuyos iones llevan dos o incluso tres cargas positivas. Esto significa que las baterías de iones multivalentes pueden almacenar potencialmente más energía, haciéndolas muy atractivas para futuras soluciones de almacenamiento de energía.
Sin embargo, el tamaño mayor y la mayor carga eléctrica de iones multivalentes los hacen difíciles de acomodar eficientemente en los materiales de la batería, un obstáculo que la nueva investigación impulsada por la IA del equipo NJIT aborda directamente.
“Uno de los mayores obstáculos no era la falta de químicas de batería prometedores: era la imposibilidad de probar millones de combinaciones de materiales”, dijo Datta. “Recentamos a la IA generativa como una forma rápida y sistemática de examinar ese vasto paisaje y detectar las pocas estructuras que realmente podrían hacer prácticas baterías multivalentes.
“Este enfoque nos permite explorar rápidamente miles de candidatos potenciales, acelerando drásticamente la búsqueda de alternativas más eficientes y sostenibles a la tecnología de iones de litio”.
Para superar estos obstáculos, el equipo NJIT desarrolló un nuevo enfoque de doble AI: un autoencoder de variacional de difusión cristalina (CDVAE) y un modelo de lenguaje grande finamente ajustado (LLM). Juntas, estas herramientas de IA exploraron rápidamente miles de nuevas estructuras de cristal, algo previamente imposible utilizando experimentos de laboratorio tradicionales.
El modelo CDVAE fue entrenado en vastas conjuntos de datos de estructuras de cristal conocidas, lo que le permite proponer materiales completamente novedosos con diversas posibilidades estructurales. Mientras tanto, el LLM se sintonizó con cero en los materiales más cercanos a la estabilidad termodinámica, crucial para la síntesis práctica.
“Nuestras herramientas de IA aceleraron dramáticamente el proceso de descubrimiento, que descubrió cinco estructuras de óxido de metal de transición porosa completamente nuevas que muestran una promesa notable”, dijo Datta. “Estos materiales tienen canales grandes y abiertos ideales para mover estos voluminosos iones multivalentes de manera rápida y segura, un avance crítico para las baterías de próxima generación”.
El equipo validó sus estructuras generadas por IA utilizando simulaciones mecánicas cuánticas y pruebas de estabilidad, confirmando que los materiales podrían sintetizarse experimentalmente y tener un gran potencial para aplicaciones del mundo real.
Datta enfatizó las implicaciones más amplias de su enfoque impulsado por la IA: “Esto es más que solo descubrir nuevos materiales de batería: se trata de establecer un método rápido y escalable para explorar cualquier material avanzado, desde la electrónica hasta las soluciones de energía limpia, sin ensayos y errores extensos”.
Con estos resultados alentadores, Datta y sus colegas planean colaborar con laboratorios experimentales para sintetizar y probar sus materiales diseñados por IA, empujando los límites hacia las baterías de iones multivalentes comercialmente viables.
Más información: Joy Datta et al, IA generativa para descubrir materiales de óxido poroso para el almacenamiento de energía de próxima generación, Cell Reports Physical Science (2025). Doi: 10.1016/j.xcrp.2025.102665
Proporcionado por el Instituto de Tecnología de Nueva Jersey
Cita: las herramientas de IA identifican alternativas prometedoras a las baterías de iones de litio para el almacenamiento de energía (2025, 1 de agosto) Recuperado el 1 de agosto de 2025 de https://techxplore.com/news/2025-08-ai-tools-alternates-lithium-ion.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
