Mercado fechado
  • BOVESPA

    110.347,77
    +1.859,89 (+1,71%)
     
  • MERVAL

    38.390,84
    +233,89 (+0,61%)
     
  • MXX

    51.397,72
    -120,58 (-0,23%)
     
  • PETROLEO CRU

    110,67
    +0,39 (+0,35%)
     
  • OURO

    1.851,80
    +9,70 (+0,53%)
     
  • BTC-USD

    29.248,76
    -716,20 (-2,39%)
     
  • CMC Crypto 200

    656,88
    -18,00 (-2,67%)
     
  • S&P500

    3.973,75
    +72,39 (+1,86%)
     
  • DOW JONES

    31.880,24
    +618,34 (+1,98%)
     
  • FTSE

    7.513,44
    +123,46 (+1,67%)
     
  • HANG SENG

    20.470,06
    -247,18 (-1,19%)
     
  • NIKKEI

    27.001,52
    +262,49 (+0,98%)
     
  • NASDAQ

    12.053,25
    +212,50 (+1,79%)
     
  • BATS 1000 Index

    0,0000
    0,0000 (0,00%)
     
  • EURO/R$

    5,1414
    -0,0114 (-0,22%)
     

Inteligência artificial consegue prever a vida útil das baterias

Pesquisadores do Laboratório Nacional de Argonne, vinculado ao Departamento de Energia dos Estados Unidos, desenvolveram uma nova técnica que utiliza aprendizagem de máquina para calcular a vida útil de uma bateria fabricada com íons de lítio.

Segundo os cientistas, esse método permite antecipar quanto uma célula de energia vai durar com base apenas em um único ciclo de carga e descarga, além de dados experimentais obtidos por meio de testes anteriores, independentemente da composição química da bateria.

“Para cada tipo diferente de aplicação — de telefones celulares a veículos elétricos e armazenamento em rede — conhecer a vida útil de uma bateria é de fundamental importância tanto para a indústria, quanto para os consumidores. Nossa técnica cria uma espécie de “cozinha” de testes computacionais onde podemos prever essa duração”, explica o cientista da computação Noah Paulson, autor principal do estudo.

Aprendizagem de máquina

Para provar a eficácia do novo método, os pesquisadores usaram dados experimentais coletados a partir de um conjunto de 300 baterias, com composições baseadas em seis tipos diferentes de elementos químicos. Utilizando um sistema de aprendizagem de máquina, foi possível determinar com precisão por quanto tempo essas baterias continuariam a funcionar.

Esquema usado para prever a durabilidade das baterias (Imagem: Reprodução/Argonne National Laboratory)
Esquema usado para prever a durabilidade das baterias (Imagem: Reprodução/Argonne National Laboratory)

Em vez de submeter as células de energia a vários ciclos de carga e descarga até o esgotamento total, os cientistas treinaram um algoritmo para fazer estimativas utilizando um conjunto de dados inciais. Em seguida, eles usaram essas informações para prever o tempo de vida útil de cada bateria.

“Atualmente, a única maneira de avaliar como a capacidade de uma bateria diminui com o passar dos anos é fazendo o ciclo completo de recarga dessa célula, o que é muito caro, leva muito tempo e se torna economicamente inviável”, acrescenta a engenheira especialista em eletroquímica Susan Babinec, coautora do estudo.

Vida útil

Os testes realizados pela equipe foram baseados em exemplares experimentais de baterias, fabricadas com um cátodo de níquel-manganês-cobalto desenvolvido pelo laboratório Argonne. Com essa variedade de células de energia, os cientistas conseguiram reunir dados suficientes sobre quando essas baterias começariam a degradar.

Variações do desempenho das baterias com o passar do tempo (Imagem: Reprodução/Argonne National Laboratory)
Variações do desempenho das baterias com o passar do tempo (Imagem: Reprodução/Argonne National Laboratory)

Ao aplicar o algoritmo de aprendizagem de máquina, os cientistas foram capazes de acelerar esse processo de contagem do tempo, permitindo a elaboração de previsões de durabilidade sem precisar realizar os ciclos completos das baterias que, normalmente, levam anos para ser concluídos.

“Digamos que você tenha um novo material e o cicla algumas vezes. Você pode usar nosso algoritmo para prever sua longevidade e, em seguida, tomar decisões sobre se deseja continuar a ciclá-lo experimentalmente ou não. A diferença é que com aprendizagem de máquina é possível fazer isso de forma muito mais rápida e barata”, encerra Noah Paulson.

Fonte: Canaltech

Trending no Canaltech:

Nosso objetivo é criar um lugar seguro e atraente onde usuários possam se conectar uns com os outros baseados em interesses e paixões. Para melhorar a experiência de participantes da comunidade, estamos suspendendo temporariamente os comentários de artigos