LiOn-HD: Investigación industrial de materiales estratégicos para baterías de ion-litio de alta densidad energética y coste optimizado en electromovilidad sostenible.

El proyecto LiOn-HD se engloba dentro la convocatoria del programa "Misiones Ciencia e Innovación 2020" del Centro para el Desarrollo Tecnológico Industrial (CDTI). Se trata de un proyecto que incluye un consorcio diverso colaborando para alcanzar el objetivo general planteado: mejorar significativamente la densidad energética, reducir el coste y aumentar la sostenibilidad de las baterías ion-litio.

Uno de los campos que se prevé de mayor expansión gracias a la evolución de las nuevas tecnologías basadas en Inteligencia Artificial (IA) es el descubrimiento de nuevos materiales con propiedades deseadas. Concretamente, el rol de HI-Iberia se centra en el desarrollo de modelos de IA capaces de proponer materiales para el cátodo que cumplan con las características deseadas.

El framework de IA planteado combina las tecnologías de Deep Reinforcement Learning (DRL) y Generative Adversarial Networks (GAN) para entrenar modelos capaces de generar materiales con propiedades elegidas. Esta aproximación se basa en la interactuación entre dos modelos: un Modelo Generativo que propone materiales y un Modelo Predictivo que infiere las propiedades del material propuesto por el Modelo Generativo, así como su viabilidad en términos de estabilidad. Durante el entrenamiento, la salida de cada modelo coincide con la entrada del contrario, es decir:

1. El Modelo Generativo propone materiales combinando átomos/moléculas base definidas.
2. El Modelo Predictivo toma esos materiales como entrada e infiere sus propiedades de interés (densidad enérgetica, voltaje, temperatura...) y la estabilidad teórica del material.
3. El Modelo Predictivo devuelve un valor a modo de recompensa que se relaciona con la distancia entre las propiedades del material propuesto y las propiedades deseadas/objetivo.
4. El Modelo Generativo toma este valor de recompensa como guía para dirigir la búsqueda en el espacio latente de materiales durante el entrenamiento.

Una vez el Modelo Generativo haya sido entrenado, será capaz de proponer materiales con propiedades deseadas. Los materiales sugeridos serán probados en el laboratorio por parte del Instituto de Ciencia de Materiales de Madrid (ICMM), devolviendo la salida experimental al framework de IA para iniciar una nueva iteración hacia el proceso de obtener materiales adecuados y confiables para su uso.

La búsqueda de materiales disruptivos no sólo será masiva sino también inteligente. Por lo tanto, una mezcla armoniosa y multidisciplinaria de potentes algoritmos de IA y técnicas experimentales de vanguardia asegurará el éxito de un nuevo plan de comercialización de la presente propuesta.