{"id":14801,"date":"2024-01-11T16:44:38","date_gmt":"2024-01-11T16:44:38","guid":{"rendered":"https:\/\/network-king.net\/microsoft-utiliza-ia-y-hpc-para-reducir-el-uso-de-litio-en-las-baterias\/"},"modified":"2024-01-11T16:47:53","modified_gmt":"2024-01-11T16:47:53","slug":"microsoft-utiliza-ia-y-hpc-para-reducir-el-uso-de-litio-en-las-baterias","status":"publish","type":"articles","link":"https:\/\/network-king.net\/es\/microsoft-utiliza-ia-y-hpc-para-reducir-el-uso-de-litio-en-las-baterias\/","title":{"rendered":"Microsoft utiliza IA y HPC para reducir el uso de litio en las bater\u00edas"},"content":{"rendered":"\n

Una asociaci\u00f3n entre Microsoft y el Pacific Northwest National Laboratory<\/a> (PNLL) del Departamento de Energ\u00eda de EE.UU., que investiga innovaciones en fuentes de energ\u00eda sostenibles, explotar\u00e1 la Inteligencia Artificial (IA) y la computaci\u00f3n de alto rendimiento (HPC) en la nube para acelerar los descubrimientos en qu\u00edmica computacional y ciencia de materiales y ayudar as\u00ed a encontrar un nuevo compuesto para bater\u00edas<\/a> capaz de reducir el uso de litio hasta en un 70%<\/a>.<\/p>\n\n

\u00abCreemos que la intersecci\u00f3n de la IA, la nube y la computaci\u00f3n de alto rendimiento, junto con la experiencia de los cient\u00edficos, es la clave para acelerar resultados cient\u00edficos significativos\u00bb, afirma Tony Peurrung, Director Adjunto de Ciencia y Tecnolog\u00eda del PNNL. \u00abNuestra cooperaci\u00f3n con Microsoft tiene por objeto poner la IA al alcance de los cient\u00edficos. Reconocemos el potencial de la IA para revelar materiales o enfoques inesperados o poco convencionales que merece la pena investigar. Este es el primer paso de lo que promete ser un viaje apasionante para aumentar el ritmo de los descubrimientos cient\u00edficos.\u00bb<\/p>\n\n

Lo que se explorar\u00e1 inicialmente es lo que mejor sabe hacer la IA: sintetizar datos y presentar resultados r\u00e1pidamente. Para ello, el trabajo utilizar\u00e1 la plataforma Azure Quantum Elements de Microsoft, que emplea modelos de IA desarrollados espec\u00edficamente para ayudar a los descubrimientos cient\u00edficos. Los investigadores del PNNL tratar\u00e1n de identificar nuevos materiales y productos qu\u00edmicos prometedores para aplicaciones en sistemas sostenibles de suministro de energ\u00eda a la demanda.<\/p>\n\n

Seg\u00fan los cient\u00edficos, tradicionalmente el primer paso en la investigaci\u00f3n de la s\u00edntesis de materiales es leer todos los estudios publicados sobre otros materiales y formular hip\u00f3tesis. El siguiente paso es probar las hip\u00f3tesis, lo que suele ser un proceso iterativo y largo. Por citar un ejemplo, uno de los proyectos anteriores del PNNL, relativo a una pila de vanadio, tard\u00f3 varios a\u00f1os en desarrollar un nuevo material, seg\u00fan Vijay Murugesan, jefe del grupo de ciencia de materiales del PNNL.<\/p>\n\n

Ahora, los cient\u00edficos del PNNL est\u00e1n probando un nuevo material para bater\u00edas que se encontr\u00f3 en cuesti\u00f3n de d\u00edas, no de a\u00f1os. Con la ayuda de Microsoft, se entrenaron diferentes sistemas de IA para evaluar 32 millones de posibles materiales inorg\u00e1nicos y sugerir combinaciones. A continuaci\u00f3n, el sistema de IA encontr\u00f3 todos los materiales estables. Otra herramienta de IA filtr\u00f3 las mol\u00e9culas candidatas en funci\u00f3n de su reactividad y otras en funci\u00f3n de su potencial para conducir energ\u00eda. En resumen, los 32 millones de candidatos se redujeron a 500.000, en su mayor\u00eda nuevos materiales estables, y luego a 800.<\/p>\n\n

En otra fase de la investigaci\u00f3n, se utilizaron recursos HPC de alta precisi\u00f3n con un conjunto m\u00e1s reducido de materiales candidatos. La primera comprobaci\u00f3n realizada calcul\u00f3 la energ\u00eda de cada material en relaci\u00f3n con todos los dem\u00e1s estados en los que pod\u00eda encontrarse. A continuaci\u00f3n se realizaron simulaciones de din\u00e1mica molecular que combinaban HPC e IA para analizar los movimientos de \u00e1tomos y mol\u00e9culas en cada material.<\/p>\n\n

Este proceso redujo la lista a 150 candidatos. Por \u00faltimo, los investigadores de Microsoft utilizaron HPC para evaluar la viabilidad de cada material: disponibilidad, coste y otros elementos. De este modo, la lista se redujo a 23, de los cuales cinco materiales ya eran conocidos.<\/p>\n\n

Piensa en el tiempo que ha llevado todo este proceso. Contando la combinaci\u00f3n IA-HPC, s\u00f3lo se necesitaron 80 horas para descubrir los materiales m\u00e1s prometedores para su aplicaci\u00f3n en bater\u00edas. En escenarios anteriores, el cuello de botella para este tipo de investigaci\u00f3n habr\u00edan sido los recursos inform\u00e1ticos de alto rendimiento. Incluso en las universidades e instituciones de investigaci\u00f3n, los superordenadores no suelen estar adaptados a un \u00e1mbito espec\u00edfico y tienen que compartirse entre varias iniciativas cient\u00edficas. En la investigaci\u00f3n llevada a cabo por los socios Microsoft y PNNL, la HPC s\u00f3lo fue responsable del 10 por ciento del tiempo de computaci\u00f3n, ya que el conjunto de mol\u00e9culas que hab\u00eda que probar ya se hab\u00eda reducido en una fase anterior. El otro 90% del tiempo de c\u00e1lculo se dedic\u00f3 al sistema de IA que realiz\u00f3 la mayor parte de la selecci\u00f3n de candidatos.<\/p>\n\n

La investigaci\u00f3n se encuentra ya en una fase pr\u00e1ctica, en la que los materiales se han sintetizado con \u00e9xito y transformado en prototipos de bater\u00edas funcionales que se someter\u00e1n a pruebas de laboratorio. Microsoft tambi\u00e9n trabaja ya en herramientas digitales para acelerar las dem\u00e1s partes del proceso cient\u00edfico.<\/p>\n\n

Seg\u00fan los investigadores del PNNL, todo el proceso, desde la simulaci\u00f3n de los candidatos hasta la fabricaci\u00f3n de una bater\u00eda funcional, dur\u00f3 menos de nueve meses, un abrir y cerrar de ojos en comparaci\u00f3n con los m\u00e9todos tradicionales.<\/p>\n\n

En la actualidad, la mayor\u00eda de las bater\u00edas utilizadas en diversos dispositivos est\u00e1n fabricadas con iones de litio. Este material ya es relativamente escaso y caro, y se prev\u00e9 que la demanda crezca entre cinco y diez veces de aqu\u00ed a 2030, seg\u00fan el Departamento de Energ\u00eda estadounidense<\/a>. Adem\u00e1s, este tipo de bater\u00eda presenta problemas de seguridad y puede provocar explosiones o incendios. Para complicar las cosas, la extracci\u00f3n de este material, y de otros en general, es una actividad que tradicionalmente sufre problemas medioambientales y geopol\u00edticos. De ah\u00ed la relevancia de investigaciones como la realizada por Microsoft y el PNNL.<\/p>\n\n

\u00abLos resultados de las nuevas bater\u00edas son solo un ejemplo, una prueba, por as\u00ed decirlo\u00bb, afirma Brian Abrahamson, director digital del PNNL. \u00abReconocimos desde el principio que la magia aqu\u00ed reside en la velocidad de la IA para ayudar a identificar materiales prometedores y en nuestra capacidad para poner en pr\u00e1ctica inmediatamente esas ideas en el laboratorio. Estamos entusiasmados por seguir adelante con la asociaci\u00f3n entre Microsoft y el PNNL. La idea es ampliar los l\u00edmites de lo posible mediante la fusi\u00f3n de tecnolog\u00eda punta y conocimientos cient\u00edficos.\u00bb<\/p>\n\n

Como las herramientas de IA de Microsoft est\u00e1n entrenadas para el campo de la qu\u00edmica, y no s\u00f3lo para sistemas de bater\u00edas, pueden utilizarse para cualquier tipo de investigaci\u00f3n de materiales, como los empleados en el campo farmac\u00e9utico. Adem\u00e1s, la investigaci\u00f3n podr\u00eda allanar el camino para otros avances que ser\u00e1n posibles con la ayuda de la computaci\u00f3n cu\u00e1ntica.<\/p>\n","protected":false},"excerpt":{"rendered":"

Una asociaci\u00f3n entre Microsoft y el Pacific Northwest National Laboratory (PNLL) del Departamento de Energ\u00eda de EE.UU., que investiga innovaciones en fuentes de energ\u00eda sostenibles, explotar\u00e1 la Inteligencia Artificial (IA) y la computaci\u00f3n de alto rendimiento (HPC) en la nube para acelerar los descubrimientos en qu\u00edmica computacional y ciencia de materiales y ayudar as\u00ed a…<\/p>\n","protected":false},"featured_media":14799,"comment_status":"closed","ping_status":"closed","template":"","format":[],"category":[251],"tags":[],"company":[],"topic":[],"class_list":["post-14801","articles","type-articles","status-publish","has-post-thumbnail","hentry","category-centro-de-datos"],"acf":[],"_links":{"self":[{"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/articles\/14801","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/articles"}],"about":[{"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/types\/articles"}],"replies":[{"embeddable":true,"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/comments?post=14801"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/media\/14799"}],"wp:attachment":[{"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/media?parent=14801"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/category?post=14801"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/tags?post=14801"},{"taxonomy":"format","embeddable":true,"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/format?post=14801"},{"taxonomy":"company","embeddable":true,"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/company?post=14801"},{"taxonomy":"topic","embeddable":true,"href":"https:\/\/network-king.net\/es\/wp-json\/wp\/v2\/topic?post=14801"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}