"Los electrodos tienen que satisfacer propiedades muy diferentes al mismo tiempo. Siempre entran en conflicto entre sí", dijo Ritesh Kumar, becario postdoctoral Eric y Wendy Schmidt AI in Science en la Universidad de Chicago.
En abril de 2025, investigadores de la Escuela de Ingeniería Molecular Pritzker de la Universidad de Chicago (UChicago PME) revelaron un nuevo marco de IA para acelerar el descubrimiento de electrolitos de baterías. Este marco equilibra la conductividad iónica, la estabilidad oxidativa y la eficiencia coulómbica para identificar moléculas prometedoras.
La IA, entrenada con un conjunto de datos de 250 artículos de investigación, asigna una "eScore" a las moléculas, prediciendo su idoneidad como electrolitos. La IA ya ha identificado una molécula que funciona tan bien como los mejores electrolitos, lo que marca un avance significativo en la tecnología de baterías. Esto reduce la dependencia del ensayo y error, ahorrando tiempo y recursos.
La IA puede examinar miles de millones de moléculas potenciales, una tarea imposible para los humanos. Los investigadores pretenden desarrollar una IA que pueda diseñar moléculas completamente nuevas con las propiedades deseadas. Esto podría revolucionar el diseño de baterías para vehículos eléctricos, teléfonos y almacenamiento de energía a escala de red.
Jeffrey Lopez de la Universidad Northwestern enfatiza que los marcos basados en datos son cruciales para acelerar el desarrollo de materiales para baterías. El equipo ahora está trabajando para mejorar la capacidad de la IA para identificar materiales desconocidos, mejorando aún más sus capacidades de diseño.