Diez billones. Eso es cuántas moléculas comercialmente obtenibles están disponibles en la actualidad. Empiece a mirarlos en grupos de cinco (la combinación típica utilizada para fabricar materiales electrolíticos en baterías) y aumentará a 10 elevado a 47.
Para los que cuentan, eso es mucho.
Todas esas combinaciones son importantes en el mundo de las baterías. Encuentre la mezcla adecuada de materiales electrolíticos y podrá terminar con una carga más rápida y una batería con mayor densidad energética para un vehículo eléctrico, la red o incluso un avión eléctrico. ¿La baja? Al igual que en el proceso de descubrimiento de fármacos, puede llevar más de una década y miles de fracasos encontrar el fármaco adecuado.
Ahí es donde los fundadores de la startup Aionics dicen que sus herramientas de inteligencia artificial pueden acelerar las cosas.
«El problema es que hay demasiados candidatos y no hay suficiente tiempo», dijo a TechCrunch el cofundador y director ejecutivo de Aionics, Austin Sendek, durante el reciente evento Up Summit en Dallas.
Dr. Lenson Pellouchoud, cofundador y director de tecnología; Dr. Austin Sendek, cofundador y director ejecutivo y Dr. Venkat Viswanathan, cofundador y científico jefe Créditos de imagen: Aionica
Electrolitos, conozca la IA
Las baterías de iones de litio contienen tres componentes fundamentales. Hay dos electrodos, un ánodo (negativo) por un lado y un cátodo (positivo) por el otro. Por lo general, un electrolito se encuentra en el medio y actúa como mensajero para mover los iones entre los electrodos durante la carga y descarga.
Aionics se centra en el electrolito y utiliza un conjunto de herramientas de inteligencia artificial para acelerar el descubrimiento y, en última instancia, ofrecer mejores baterías. El enfoque aionico para el descubrimiento de catalizadores también ha atraído a inversores. La startup con sede en Palo Alto, fundada en 2020, ha recaudado 3,5 millones de dólares hasta la fecha, incluida una ronda inicial de 3,2 millones de dólares de inversores que incluían a UP.Partners.
La startup ya está trabajando con varias empresas, incluida Cellforce, filial de fabricación de baterías de Porsche. La compañía también ha trabajado con la empresa de almacenamiento de energía Form Energy, el fabricante japonés de materiales y productos químicos Showa Denko (ahora Resonac) y la empresa de tecnología de baterías Cuberg.
Todo este proceso comienza con la lista de deseos (o perfil de rendimiento) de una empresa para una batería. Los científicos de Aionics, utilizando la mecánica cuántica acelerada por IA, pueden realizar experimentos en una base de datos existente de miles de millones de moléculas conocidas. Esto les permite considerar 10.000 candidatos cada segundo, dijo Sendek. Ese modelo de IA aprende a predecir el resultado de la siguiente simulación y ayuda a seleccionar la siguiente molécula candidata. Cada vez que se ejecuta, se generan más datos y mejora la resolución del problema.
Introduzca la IA generativa
Aionics ha ido un paso más allá, en algunos casos, incorporando la IA generativa a la mezcla. En lugar de depender de miles de millones de moléculas conocidas, Aionics comenzó a utilizar este año modelos de IA generativa entrenados con datos de materiales de baterías existentes para crear o diseñar nuevas moléculas dirigidas a una determinada aplicación.
La empresa está potenciando sus esfuerzos mediante el uso de software desarrollado en el programa de descubrimiento de sistemas electroquímicos computacionales acelerados de la Universidad Carnegie Mellon. Venkat Viswanathan, profesor asociado en CMU y director de ese programa, es cofundador y científico jefe de Aionics.
Aionics también ha comenzado a utilizar grandes modelos de lenguaje creados en GPT 4 de OpenAI para ayudar a sus científicos a identificar millones de formulaciones posibles incluso antes de comenzar a ejecutarlas en la base de datos. Esta herramienta de chatbot, que ha sido entrenada en libros de texto de química y artículos científicos seleccionados por Aionics, no se utiliza para el descubrimiento real, pero los científicos pueden utilizarla para eliminar ciertas moléculas que no serían útiles en una aplicación particular, Sendek explicado.
Una vez capacitados con esos libros de texto, los LLM permiten al científico consultar el modelo. «Si pudieras hablar con tu libro de texto, ¿qué le preguntarías?» dijo Sendek. Pero se apresuró a señalar que esto no es hacer nada diferente a una persona que cura artículos científicos. «Esto simplemente proporciona una interacción de siguiente nivel», dijo, y agregó que todo es verificable señalando las fuentes utilizadas para entrenar el chatbot.
«Creo que lo bueno para nuestro campo es que no buscamos hechos específicos, sino principios de diseño», dijo mientras explicaba la función del chatbot.
Escoger un ganador
Una vez que los miles de millones de candidatos han sido seleccionados y reducidos a solo un par, o diseñados utilizando el modelo de IA generativa, Aionics envía muestras a sus clientes para su validación.
«Si no llegamos a la primera ronda, lo repetimos y podemos realizar algunos ensayos clínicos para probarlo hasta llegar al ganador», dijo Sendek. «Y una vez que encontramos al ganador, trabajamos con nuestros socios de fabricación para escalar esa fabricación y llevarla al mercado».
Curiosamente, este proceso se está utilizando incluso en algunos sectores novedosos como el del cemento. Chement, una startup cofundada por Viswanathan y que también está asociada con Aionics, está trabajando en formas de utilizar electricidad y materias primas renovables para impulsar reacciones químicas para fabricar productos sin emisiones como el cemento.