El modelo utiliza el aprendizaje automático para predecir el ciclo de vida de las baterías de litio-metal de alta densidad de energía.

El Instituto Nacional de Ciencia de Materiales (NIMS) y SoftBank Corp. Desarrolló un modelo capaz de predecir el ciclo de vida de baterías de metal de litio de alta densidad mediante la aplicación de métodos de aprendizaje automático a los datos de rendimiento de la batería. ha sido publicado en la revista ciencia avanzada.

El modelo ha demostrado su capacidad para estimar con precisión la vida útil de las baterías mediante el análisis de datos de carga, descarga y relajación de voltaje sin depender de ninguna suposición sobre mecanismos específicos de degradación de la batería.

Se espera que esta tecnología sea útil para mejorar la seguridad y confiabilidad de los dispositivos alimentados por baterías de metal litio.

Las baterías de litio-metal tienen el potencial de lograr una mayor densidad de energía por unidad de masa que las baterías de iones de litio que se utilizan actualmente. Por esta razón, las expectativas son altas para su uso en una amplia gama de tecnologías, incluidos drones, vehículos eléctricos y sistemas domésticos de almacenamiento de electricidad.

En 2018, NIMS y SoftBank establecieron el Centro de Desarrollo de Tecnologías Avanzadas NIMS-SoftBank. Desde entonces, las dos empresas han investigado conjuntamente baterías recargables de alta densidad de energía para su uso en diversos sistemas, como estaciones base móviles, IoT y estaciones de plataformas de gran altitud.

Anteriormente se había informado que una batería de metal de litio tenía una densidad de energía superior a 300 Wh/kg y una vida útil de más de 200 ciclos de carga/descarga. Poner en práctica baterías de litio-metal de alto rendimiento como estas y al mismo tiempo garantizar su seguridad requerirá el desarrollo de tecnologías capaces de estimar con precisión el ciclo de vida de estas baterías.

Sin embargo, los mecanismos de degradación son más complejos en las baterías de metal de litio que en las baterías de iones de litio convencionales y aún no se comprenden completamente, lo que hace que el desarrollo de modelos capaces de predecir el ciclo de vida de las baterías de metal de litio sea un gran desafío.

Este equipo de investigación fabricó una gran cantidad de celdas de batería de metal de litio de alta densidad, cada una compuesta por un ánodo de metal de litio y un cátodo rico en níquel, utilizando técnicas avanzadas de fabricación de baterías desarrolladas previamente por el equipo. Luego, el equipo evaluó el rendimiento de carga y descarga de estas células.

Finalmente, el equipo construyó un modelo capaz de predecir el ciclo de vida de las baterías de metal litio aplicando métodos de aprendizaje automático a los datos de carga/descarga. El modelo ha demostrado su capacidad para proporcionar predicciones precisas mediante el análisis de datos de carga, descarga y relajación de voltaje sin depender de ninguna suposición sobre mecanismos específicos de degradación de la batería.

El equipo tiene la intención de mejorar aún más la precisión de la predicción del ciclo de vida del modelo y acelerar los esfuerzos para poner en práctica baterías de litio-metal de alta densidad aprovechando el modelo en el desarrollo de nuevos materiales de ánodos de litio-metal.