[ad_1]
Para combatir el cambio climático, muchos fabricantes de automóviles se esfuerzan por incluir más vehículos eléctricos en su línea. Pero para convencer a los compradores potenciales, los fabricantes deben mejorar la distancia que estos autos pueden recorrer con una sola carga. ¿Uno de tus mayores desafíos? Descubra cómo fabricar baterías extremadamente potentes pero ligeras.
Pero, por lo general, a los científicos les toma décadas probar a fondo los nuevos materiales de las baterías, dice Pablo Leon, un estudiante de posgrado en ciencias de los materiales del MIT. Para acelerar este proceso, Leon está desarrollando una herramienta de aprendizaje automático para que los científicos automaticen uno de los pasos más lentos pero críticos en la evaluación de los materiales de las baterías.
Con su herramienta en la mano, Leon planea ayudar a encontrar nuevos materiales que permitan el desarrollo de baterías más potentes y ligeras. Estas baterías no solo mejorarían la autonomía de los vehículos eléctricos, sino que también abrirían potencial en otros sistemas de alto rendimiento, como p. B. Sistemas de energía solar que suministran electricidad de forma continua incluso durante la noche.
Desde muy joven, Leon supo que quería obtener un doctorado con la esperanza de algún día convertirse en profesor de ingeniería como su padre. Criado en College Station, Texas, sede de la Universidad Texas A&M donde trabajaba su padre, muchos de los amigos de Leon también tenían padres que eran profesores o estaban afiliados a la universidad. Mientras tanto, su madre trabajaba fuera de la universidad como consejera familiar en un pueblo vecino.
En la universidad, Leon siguió los pasos de su padre y su hermano mayor para convertirse en ingeniero mecánico y obtuvo su licenciatura en Texas A&M. Allí aprendió a modelar el comportamiento de sistemas mecánicos, por ejemplo la rigidez de un resorte metálico. Pero quería profundizar más, hasta el nivel atómico, para comprender exactamente de dónde provienen estos comportamientos.
Cuando Leon aplicó a la escuela de posgrado en el MIT, se cambió a la ciencia de los materiales con la esperanza de satisfacer su curiosidad. Pero mudarse a otra área fue «un proceso realmente difícil», dice Leon mientras se apresuraba a ponerse al día con sus colegas.
Para ayudar con la transición, León buscó un asesor de investigación que encajara bien y lo encontró en Rafael Gómez-Bombarelli, profesor asistente en el Departamento de Ciencia e Ingeniería de Materiales (DMSE). «Como él es de España y mis padres son peruanos, hay una facilidad cultural en la forma en que hablamos», dice León. Según Gómez-Bombarelli, los dos a veces incluso discuten la investigación en español, un «placer raro». Esta conexión le ha permitido a Leon generar ideas libremente o discutir inquietudes con su asesor, lo que le ha permitido lograr avances significativos en su investigación.
Uso del aprendizaje automático para explorar materiales de baterías
Los científicos que estudian nuevos materiales para baterías generalmente usan simulaciones por computadora para comprender cómo se comportan las diferentes combinaciones de materiales. Estas simulaciones actúan como microscopios virtuales para baterías, acercándose para ver cómo interactúan los materiales a nivel atómico. Con estos detalles, los científicos pueden entender por qué ciertas combinaciones funcionan mejor y orientar su búsqueda de materiales de alto rendimiento.
Sin embargo, la creación de simulaciones informáticas precisas requiere mucho tiempo, años y, a veces, incluso décadas. «Necesita saber cómo interactúa cada átomo con todos los demás átomos en su sistema», dice Leon. Para crear un modelo informático de estas interacciones, los científicos primero estiman aproximadamente un modelo utilizando cálculos mecánicos cuánticos complejos. Luego comparan el modelo con los resultados de experimentos reales, ajustando manualmente varias partes del modelo, incluidas las distancias entre los átomos y la fuerza de los enlaces químicos, hasta que la simulación coincida con la vida real.
Para materiales de batería bien estudiados, el proceso de simulación es algo más simple. Los científicos pueden comprar software de simulación que incluye modelos preconstruidos, dice Leon, pero estos modelos a menudo tienen fallas y aún necesitan ajustes adicionales.
Para crear modelos informáticos precisos más rápido, Leon está desarrollando una herramienta basada en el aprendizaje automático que puede guiar de manera eficiente el proceso de prueba y error. “La esperanza con nuestro marco de aprendizaje automático es no tener que depender de modelos patentados o realizar ajustes manuales”, dice. Leon ha confirmado que su herramienta es tan precisa como el método manual de creación de modelos para materiales bien estudiados.
Con este sistema, los científicos tienen un enfoque único y estandarizado para crear modelos precisos en lugar del mosaico de enfoques que existen actualmente, dice Leon.
La herramienta de Leon llega en un momento oportuno, ya que muchos científicos exploran un nuevo paradigma de las baterías: las baterías de estado sólido. En comparación con las baterías tradicionales que contienen electrolitos líquidos, las baterías de estado sólido son más seguras, livianas y fáciles de fabricar. Sin embargo, desarrollar versiones de estas baterías lo suficientemente potentes para vehículos eléctricos o almacenamiento de energía renovable es un desafío.
Esto se debe en gran parte a que los iones en la química de las baterías son reacios a fluir a través de los sólidos, prefiriendo en cambio los líquidos donde los átomos están más separados. Aún así, los científicos creen que con la combinación correcta de materiales, las baterías de estado sólido pueden proporcionar suficiente energía para sistemas de alta potencia como los vehículos eléctricos.
Leon planea usar su herramienta de aprendizaje automático para buscar buenos materiales para baterías de estado sólido más rápido. Después de encontrar algunos candidatos poderosos en simulaciones, trabajará con otros científicos para probar los nuevos materiales en experimentos reales.
Ayudar a los estudiantes a orientarse en la escuela de posgrado
Leon le da crédito a su familia y mentores para llevarlo a donde está hoy, en busca de una investigación emocionante e impactante. Debido a su educación, Leon supo desde el principio qué pasos tenía que seguir para ingresar a la escuela de posgrado y trabajar para obtener una cátedra. Y aprecia aún más el privilegio de su posición como peruano-estadounidense, ya que es probable que muchos estudiantes latinos tengan menos acceso a los mismos recursos. «Entiendo la tubería académica de una manera que creo que muchos grupos minoritarios en la academia no entienden», dice.
Ahora, Leon está ayudando a los posibles estudiantes de doctorado de entornos subrepresentados a navegar por el proceso a través del Programa de asistencia para solicitudes de DMSE. Cada otoño, asesora a los solicitantes del programa de doctorado DMSE del MIT y proporciona comentarios sobre sus solicitudes y currículums. El programa de asistencia está dirigido por estudiantes y es independiente del proceso de admisión.
Leon conoce de primera mano el valor invaluable de la tutoría por su relación con su supervisor, y también está muy involucrado en la tutoría de estudiantes de doctorado junior en su departamento. Durante el año pasado, se desempeñó como presidente académico de la organización de estudiantes graduados de su departamento, el Graduate Materials Council. Como el MIT todavía está experimentando interrupciones por el Covid-19, Leon notó un problema con la cohesión de los estudiantes. “Me di cuenta de que tradicionalmente [informal] Tipos de comunicación a través [incoming class] Se cortaron los años”, dice, lo que dificulta que los estudiantes más jóvenes busquen orientación de sus compañeros mayores. «No tenían una comunidad a la que recurrir».
Para resolver este problema, Leon sirvió como mentor de muchos estudiantes más jóvenes. Ayudó a los estudiantes de segundo año a prepararse para su examen de doctorado, un rito de iniciación a menudo estresante. También organizó seminarios para estudiantes de primer año para enseñarles cómo aprovechar al máximo sus clases y ayudarlos a adaptarse al plan de estudios acelerado del departamento. Por diversión, León organizó un evento de lanzamiento de hachas para facilitar aún más el trabajo de cámara de los estudiantes.
Los esfuerzos de León tuvieron éxito. Ahora, «los estudiantes más nuevos están reconstruyendo la comunidad», dice, «así que siento que puedo dar un paso atrás» desde la cátedra académica. En cambio, continuará asesorando a estudiantes más jóvenes a través de otros programas dentro del departamento. También planea expandir sus esfuerzos de creación de comunidad de profesores y estudiantes para brindarles a los estudiantes la oportunidad de encontrar buenos mentores y trabajar en investigaciones efectivas. Con este esfuerzo, Leon espera ayudar a otros a lo largo de la trayectoria académica con la que está familiarizado viajando juntos a través de su trabajo de doctorado.
[ad_2]