La IA y el aprendizaje automático podrían desempeñar un papel importante en todas las etapas de la vida útil de una batería. En la etapa inicial de desarrollo, la tecnología de IA podría ayudar en el descubrimiento de materiales, la selección de celdas de alto rendimiento y la simulación de temperatura y presión. Los procesos de fabricación para las aplicaciones de IA que siguen podrían incluir la identificación de defectos, la optimización de parámetros mediante regresión y el control de calidad.

Durante la fase de vida útil de la batería, la IA y el aprendizaje automático pueden utilizarse para su mantenimiento, con el fin de prolongar su vida útil y ofrecer las mejores posibilidades de alcanzar un rendimiento óptimo. La optimización del protocolo de carga y descarga, la identificación de peligros, el cálculo del estado de salud (SoH), los cálculos de carga y la detección de defectos permitirán garantizar que se dé prioridad a la seguridad, por ejemplo, cuando una batería está activa en un vehículo eléctrico de pasajeros.

Los cálculos del SoH, la identificación de defectos y las evaluaciones de segunda vida son los procesos que deben llevarse a cabo al final del ciclo de vida de una batería. La IA podría proporcionar la información más precisa para determinar para qué aplicaciones podría ser adecuada en una segunda vida.

Densidades energéticas, seguridad y costes de las baterías recargables

Las principales cuestiones relacionadas con las baterías recargables son los retos que plantean la densidad energética, la seguridad de los electrolitos líquidos y la extracción de materiales críticos. Los electrolitos líquidos tienden a volverse peligrosos a altas temperaturas y presiones, lo que brinda una oportunidad para que la IA y el aprendizaje automático realicen diagnósticos y supervisiones durante la vida útil, con el fin de ayudar a mantener un nivel de seguridad y garantía que permita detectar cualquier problema en una fase temprana.

El suministro limitado de materiales críticos como el litio, el níquel, el cobalto y el cobre puede plantear dificultades a los fabricantes de baterías, junto con los elevados costes de extracción y el impacto medioambiental negativo. Estos factores asociados al abastecimiento de materiales muy demandados incentivan la reutilización y el reciclaje de las baterías, lo que también puede verse favorecido por las técnicas de aprendizaje automático.

La IA en las baterías de los vehículos eléctricos

Se prevé que los vehículos eléctricos sean uno de los mayores mercados para la IA en el ámbito de las baterías. La posibilidad de que la IA beneficie y mejore las numerosas etapas de la vida útil de una batería permitirá, a su vez, un mejor desarrollo, ensayo y gestión de los vehículos eléctricos. Se necesitarán nuevas composiciones químicas y estructuras de las baterías para mejorar la densidad energética, la carga y la seguridad, aspectos que los fabricantes de vehículos eléctricos pretenden priorizar. La capacidad de la IA para explorar una amplia gama de composiciones químicas de forma eficiente y eficaz podría significar que las mejoras se vean mucho más rápido y con menos necesidad de ensayo y error.

La garantía que pueden ofrecer la inteligencia artificial y el aprendizaje automático también podría ser inigualable a la hora de lograr un diagnóstico sólido, ya que se pueden alcanzar niveles de seguridad que antes eran imposibles. Los sistemas de gestión de baterías también permitirán a los usuarios acceder a los datos mientras se analizan e interpretan, lo que les permitirá participar más en lo que ocurre con el vehículo.

El informe «AI-Driven Battery Technology 2025-2035: Technology, Innovation and Opportunities» (Tecnología de baterías impulsada por la IA 2025-2035: tecnología, innovación y oportunidades) de IDTechEx ofrece detalles sobre diferentes enfoques de aprendizaje automático, descubrimiento de materiales, pruebas y montaje de celdas, análisis de sistemas de gestión de baterías y evaluaciones de segunda vida, junto con previsiones sobre la adopción de nuevas tecnologías.