La IA generativa impulsa la innovación en los vehículos electrónicos

Fiabilidad
Resumen

La IA Generativa está revolucionando la industria de los vehículos eléctricos al permitir a los científicos tomar decisiones informadas sobre los materiales de las baterías, mejorando la eficiencia de la investigación e impulsando la innovación. Los fabricantes de baterías para vehículos eléctricos están invirtiendo mucho en IA Generativa para transformar la producción de baterías y remodelar el sector del almacenamiento de energía.

Los fabricantes de automóviles buscan constantemente baterías más eficientes y robustas para los vehículos eléctricos (VE), pero no es fácil.

Hay miles de moléculas que se combinan para crear electrolitos, un componente importante de las baterías de los vehículos eléctricos.

El rendimiento de la batería y del vehículo depende de la producción que generen los electrolitos, y hay margen para mejorarla.

Para conseguirlo, los científicos o investigadores deben probar varias permutaciones y combinaciones de moléculas y comprobar el rendimiento del electrolito que produce la combinación.

El proceso es largo y puede dar dos resultados: o se encuentra una combinación excelente o es un fracaso.

El principal problema de este método es el tiempo que lleva. Dado que hoy en día hay 10.000 millones de moléculas comercializables, crear y probar tantas combinaciones de cinco moléculas es una tarea titánica.

Aquí, la IA Generativa (GAI) desempeña un papel importante. GAI puede generar rápidamente combinaciones precisas de moléculas que produzcan un mejor rendimiento y proporcionen una carga eficiente o una mejor gestión de la energía (o ambas cosas).

GAI también puede proporcionar permutaciones de mantenimiento predictivo y otros análisis de datos.

Exploremos el impacto de la IA generativa en el mundo de los vehículos eléctricos.

Los dos principales problemas que deben resolver los vehículos electrónicos

– Problemas de autonomía

Por autonomía se entiende la distancia que puede recorrer un vehículo eléctrico con una sola carga. Hay mucha confusión y ansiedad entre los propietarios de VE cuando salen con sus coches, especialmente en viajes largos por carretera, por si se quedan sin carga en medio de la nada.

La autonomía depende de que las baterías ofrezcan un mejor rendimiento, un problema con el que la industria está lidiando.

– Velocidad de carga

La carga lenta es un problema, pero los cargadores rápidos son caros. En Estados Unidos hay tres tipos de cargadores: Nivel 1, Nivel 2 y Nivel 3. El Nivel 3 es el más rápido y el más caro.

¿Cómo puede ayudar la IA Generativa?

– Gestión molecular
Tomemos el caso de Aionics, una startup que trabaja en el suministro de energía limpia con la ayuda de la IA.

Utiliza la IA Generativa para producir mejores baterías para vehículos eléctricos mediante el uso de GAI para reconocer las moléculas que han sido probadas y pasar a otras.

En segundo lugar, Aionics entrena modelos de IA Generativa en baterías existentes para aprender sobre las combinaciones existentes y producir otras nuevas.

En tercer lugar, los modelos de IA se entrenan con recursos de química y física para descartar muchas combinaciones posibles de moléculas que podrían no ser útiles.

La preselección continúa hasta que se encuentran unas pocas muestras o combinaciones. Las combinaciones se envían para su validación. Si las muestras no funcionan, se someten a nuevas iteraciones hasta que pueden salir al mercado.

Según el cofundador y director ejecutivo de Aionics, Austin Sendek,

“Si no lo conseguimos en la primera ronda, iteramos y podemos realizar algunos ensayos clínicos para probarlo hasta llegar al ganador. Y una vez que encontramos el ganador, trabajamos con nuestros socios fabricantes para ampliar esa fabricación y llevarlo al mercado.”

– Optimización del rendimiento de las baterías
La IA generativa puede probar de forma rápida y eficiente varias combinaciones de productos químicos para determinar qué combinación puede permitir que las baterías de los VE produzcan un rendimiento óptimo, una vida útil más larga y una carga más rápida.

– Algoritmos de carga eficientes
La IA Generativa puede aprender sobre las baterías e identificar algoritmos de carga que permitan a estas baterías optimizar su rendimiento. Es probable que esto afecte positivamente al coste de producción de las baterías de los VE, abaratando la vida de los clientes.

– Mantenimiento predictivo
Cuando la IA Generativa aprende sobre los VE y sus baterías, recoge mucha información sobre los ciclos de mantenimiento. Estas circunstancias pueden conducir a problemas prematuros, herramientas que pueden afectar al rendimiento del VE, velocidades que afectan al rendimiento del VE, etc.

En consecuencia, GAI puede proporcionar a los fabricantes de VE análisis, perspectivas y cuadros de mando que permitan obtener información de mantenimiento predictiva y proactiva.

Por ejemplo, los fabricantes de vehículos eléctricos pueden disponer de análisis dinámicos sobre la duración de la batería y la estación de carga más cercana para los distintos tipos de batería.

Pueden equipar los VE con sistemas que avisen a los conductores de cuándo deben cargar proactivamente sus baterías para evitar problemas.

Conclusión

La IA generativa parece ser una herramienta que no sólo puede resolver muchos de los problemas a los que se enfrenta el sector de los vehículos eléctricos, sino también provocar una oleada de innovación.

El sector de los vehículos eléctricos sigue dando pasos de bebé hacia su adopción, y diversos problemas legales, económicos, infraestructurales, logísticos y geopolíticos suponen un gran obstáculo.

Las empresas y las startups están marcando tendencia y, a su vez, esto puede inspirar un esfuerzo concertado y generalizado para generalizar los vehículos eléctricos.

Temas relacionados

Artículos relacionados

Kaushik Pal
Technology writer
Kaushik Pal
Editor

Kaushik es un arquitecto técnico y consultor de software con más de 23 años de experiencia en análisis de software, desarrollo, arquitectura, diseño, pruebas e industria de capacitación. Tiene interés en nuevas tecnologías y áreas de innovación, centrándose en arquitectura web, tecnologías web, Java/J2EE, código abierto, WebRTC, big data y tecnologías semánticas. Ha demostrado su experiencia en análisis de requisitos, diseño e implementación de arquitecturas, preparación de casos de uso técnico y desarrollo de software. Su experiencia ha abarcado diferentes sectores como seguros, banca, aerolíneas, envíos, gestión de documentos y desarrollo de productos, entre otros. Ha trabajado con una amplia…