Addio alle migliaia di cicli e anni di test: con l'IA le batterie si testano in una manciata di ore

Un gruppo di ricercatori dell'Università del Michigan ha sviluppato un sistema basato su intelligenza artificiale e sull'apprendimento automatico capace di prevedere con elevata accuratezza la durata operativa delle batterie dopo appena 50 cicli di carica e scarica.

Nei metodi convenzionali, la valutazione del ciclo di vita di una batteria richiede centinaia o migliaia di cicli, con test che possono durare mesi o anni. Il nuovo approccio consente invece di ottenere stime affidabili in pochi giorni, con una riduzione fino al 95% di tempo ed energia impiegati nei processi di laboratorio.

Il sistema, descritto sulla rivista Nature, è stato sviluppato da un team guidato dal professore Ziyou Song e dal dottorando Jiawei Zhang del dipartimento di ingegneria elettrica e informatica. Il progetto è stato finanziato da Farasis Energy USA, che ha fornito sia i dati su cui addestrare il modello sia le celle a sacchetto tipicamente utilizzate per i veicoli elettrici.

Alla base del modello c'è un framework definito come AI agentica, composto da tre ruoli distinti: studente, interprete e oracolo. Lo studente seleziona le configurazioni di batteria da testare in specifiche condizioni di temperatura e corrente e raccoglie i dati risultanti. Questi ultimi, raccolti entro i primi 50 cicli di carica e scarica, vengono analizzati dall'interprete tramite un simulatore basato su modelli fisici. Infine, l'oracolo combina i dati elaborati dall'interprete con quelli storici per determinare la potenziale vita utile della cella.

Un aspetto distintivo del sistema riguarda l'attenzione ai parametri fisici e chimici interni, come il comportamento degli elettrodi sotto stress termico e meccanico, invece della sola analisi di curve di tensione o velocità di carica. Questo consente al modello di generalizzare tra formati diversi, dalle celle cilindriche per elettronica di consumo fino alle celle a sacchetto degli EV.

Durante i test, infatti, l'AI ha dimostrato di prevedere correttamente le prestazioni delle celle a sacchetto anche se addestrata esclusivamente su dati di celle cilindriche. Questo grazie a modelli universali applicabili a tutte le celle a litio. Secondo le analisi del team, il consumo energetico del sistema corrisponde a circa il 5% di quello richiesto dai tradizionali test di laboratorio.

Attualmente il lavoro si concentra sulla previsione del ciclo di vita, ma i ricercatori stanno già esplorando estensioni del modello per valutare limiti di sicurezza, ottimizzare le velocità di ricarica e individuare materiali più adatti alle batterie di nuova generazione. Il framework potrebbe trovare applicazione anche in altri ambiti scientifici caratterizzati da cicli sperimentali lunghi e costosi, come la chimica e la scienza dei materiali.