Acoplamiento de aprendizaje automático basado en datos y aprendizaje por refuerzo para el desarrollo de materiales y...

Área de la Ciencia:

• Ciencia de Materiales
• Ciencia de Datos
• Almacenamiento de Energía

Sus antecedentes:

• El desarrollo convencional de baterías se basa en métodos empíricos y modelos basados en la física, que son insuficientes para los complejos sistemas de próxima generación.
• La demanda de baterías de alta energía, seguras y duraderas requiere estrategias avanzadas para el descubrimiento de materiales y la gestión de dispositivos.

Objetivo del estudio:

• Introducir un paradigma acoplado que integre el aprendizaje automático basado en datos y el aprendizaje por refuerzo (RL) para la innovación en baterías.
• Establecer marcos de circuito cerrado tanto para el desarrollo de materiales de baterías como para la gestión de dispositivos.

Principales métodos:

• Utilización de métodos basados en datos para la selección rápida de materiales de baterías (cátodos, ánodos, electrolitos) mediante la minería de datos multifuente.
• Empleo de agentes de RL para la optimización iterativa de las condiciones de síntesis, las propiedades interfaciales y los protocolos de carga.
• Desarrollo de marcos de circuito cerrado para la predicción, exploración, validación, información de datos y optimización de estrategias.

Principales resultados:

• Descubrimiento acelerado de materiales avanzados para baterías y mejora del rendimiento de los dispositivos.
• Seguridad y durabilidad mejoradas de las baterías mediante la optimización adaptativa de los parámetros operativos.
• Potencial demostrado para la innovación autónoma y de alto rendimiento en baterías.

Conclusiones:

• La sinergia entre el aprendizaje automático basado en datos y el RL ofrece una vía poderosa para las tecnologías de baterías de próxima generación.
• Abordar los desafíos en el procesamiento de datos, la ingeniería de características y la construcción de modelos es crucial para la implementación industrial.
• Este enfoque integrado proporciona una base para el desarrollo y la gestión autónoma y eficiente de baterías.