Inteligencia Artificial
Facebook y el departamento de Ingeniería Química de la Universidad Carnegie Mellon, Estados Unidos, han desarrollado un proyecto para utilizar la inteligencia artificial (IA) para descubrir nuevas formas de almacenamiento de energía renovable.
El proyecto «Open Catalyst» busca para acelerar las simulaciones de mecánica cuántica con IA en 1.000 veces con el fin de descubrir nuevos electrocatalizadores capaces de ayudar a almacenar la electricidad generada por fuentes de energía renovables.
Al predecir con exactitud las interacciones atónicas mucho más rápido de lo que lo harían los científicos. Estas simulaciones utilizan la Teoría Funcional de la Densidad para encontrar los candidatos más prometedores y evitar posibles daños en la investigación.
Facebook declaró que los datos de Open Catalyst requieren 70 millones de horas. El set de datos incluye cálculos para un millón de posibles catalizadores así como cálculos suplementarios.
Almacenamiento de energía renovable
La solución tradicional al almacenamiento de la energía renovable, como la energía solar o eólica, ha sido un reto para la ciencia, ya que el exceso de energía no se ha podido almacenar de una forma óptima.
Ya que a más capacidad de generar energías renovables, hay menos posibilidades de crear unas baterías que escalen con esto.
Una alternativa es poner el exceso de energía a trabajar en un conductor de reacciones catalíticas. Pero para que estos procesos sean viables el catalizador tiene que ser lo más eficiente posible. Sin embargo, llevar estos catalizadores hechos por una combinación de 3 o 4 elementos a unos 50 hace que sea más complejo todo, existiendo muchas combinaciones para construir el mejor catalizador que genere una reacción en cadena.
En años recientes, gigantes de la tecnología como Facebook y Google han intentado usar la inteligencia artificial para acelerar cálculos científicos y observaciones en muchos campos.
Por ejemplo, DeepMind, un laboratorio de IA de Google desarrolló Alphabet, un software capaz de detectar tumores en mamogramas más rápido y con mayor precisión que los humanos.
