Zer da modelizazioa eta simulazio konputazionala?

Bateria baten osagaien modelizazioa eta simulazio konputazionala egiteko, katodoaren, anodoaren eta elektrolitoaren egitura-ereduak sortu behar dira, eta bateria ziklatzean haietan gertatzen diren prozesuen segimendua egin behar da. Horrela, bateria baten ziklabilitatea eta kapazitatea bezalako propietateak ezagutu daitezke.

Modelizazio hori egiteko, mekanika kuantikoaren metodoak erabil daitezke, hala nola dentsitatearen funtzionalaren teoria (DFT) edo mekanika klasikoaren indar-eremuak. Era berean, adimen artifizialak oso algoritmo erabilgarriak eskaintzen ditu modelizazio horretarako.

 

Zer eragin izan dezake ezagutzaren arlo horrek baterien eta superkondentsadoreen arloan?

Kontuan izan behar da bateria baten propietateak haren egituraren emaitza zuzena direla. Alde horretatik, ezpurutasun bat beste baten ordez erabiltzeak edo egitura baten barruan ezpurutasunak duen banaketa desberdinak bateria batek propietate onak izatea eragin dezake.

Hala ere, ezinezkoa da proba horiek guztiak esperimentalki egitea. Alde horretatik, oraindik sintetizatu ez diren konposatuen propietateak ikusteko aukera ematen du modelizazio konputazionalak.

Era berean, kasu askotan katodoaren, anodoaren edo elektrolitoaren egitura ezagutu behar da esperimentuetan lortutako emaitzak azaltzeko. Hala ere, askotan, karakterizazio-metodo esperimentalak ez dira nahikoak konposatu baten egitura zehazteko; beraz, kasu horietan, beharrezkoa da modelizazio konputazionala egitea, esperimentuetan lortutako emaitzak konposatuen egituraren arabera azaldu ahal izateko.

 

Zer aurrerapauso eman dira dagoeneko, eta zer erronkatan lagun dezake arlo honek?

Kasu askotan gertatzen den bezala, metodo bat zenbat eta zehatzagoa edo zehatzagoa izan, orduan eta gastu handiagoa eragiten du. Alde horretatik, DFT printzipio mekanokuantikoen metodo konputazional bat da, baina hura erabiltzeak kostu konputazional handia du.

Kontuan izanik solidoen egiturak aztertzean, aldizka errepikatzen den supergelaxka bat hartu behar dela oinarritzat, DFTrekin lan egiten denean, supergelaxka txiki samarrak erabili behar dira, eta horrek asko mugatzen du balizko egituren sorrera. Indar-eremu klasikoekin lan egiten denean, ordea, kostu konputazionala askoz txikiagoa da, eta supergelaxka handiagoak erabil daitezke, baina lortzen den egitura ez da hain zehatza.

 

Zer eragin izan dezakete beste aurrerapen batzuek, hala nola adimen artifizialak energia-metaketaren arloan?

Adimen artifizialak DFTrekin egindako kalkuluetatik indar-eremuak lortzea ahalbidetzen du. Horrek esan nahi du DFTrekin lortutako emaitzekin konparatzeko moduko emaitzak lortu direla, baina gastu konputazional askoz txikiagoarekin. Horrekin, gaur egun baino bi magnitude-ordena handiagoko egiturak eta dinamika molekular askoz luzeagoak aztertzeko ateak irekitzen dira.

Modelizazio konputazionaletik harago, bateria baten konposatuen sintesi kimikoan aldagai asko sartzen dira jokoan, hala nola tenperatura, pH-a, nahastearen denbora eta erritmoa, partikulen pikorren tamaina eta abar. Hala ere, kasu askotan, magnitude horiek ez dira kontrolatzen, eta balio arbitrarioak ematen zaizkie. Adimen artifizialak adierazpenak lortzen lagun dezake, aldagai horiei balio zehatzak emanez. Hala, baterien sintesian eta prototipogintzan asko aurreratuko litzateke.

 

Zer jardueratan ari da lanean CIC energiGUNE gaur egun arlo horretan?

CIC EnergiGUNE MAPekin (Materials Acceleration Platforms) lotutako proiektuetan dago. MAP horiek ikerketaren automatizazioa eta digitalizazioa dakarte, material berriak lortzeko eraginkortasuna handituz. Izan ere, MAP batek energia adimen artifizialaren bidez biltegiratzeko materialen sintesi- eta karakterizazio-prozesuak automatizatzea ahalbidetuko luke.

Horrela, MAPek materialak lortzeko prozesu errepikakor guztia egingo luke, eta ikertzaileari denbora gehiago utziko lioke gai zientifikoetarako. Era berean, adimen artifizialak ohiko metodoekin baino maila handiagoko problemak ebazteko aukera emango luke.