Parlando in termini medici delle loro prestazioni, le batterie dei veicoli elettrici si comportano come un paziente difficile. Soffrono di decomposizione elettrolitica, perdono energia, invecchiano precocemente. Ma ora un team di scienziati del National Argonne Laboratory, negli USA, ha trovato il modo di curarla prescrivendole vere e proprie “medicine” chimiche.
Non sto scherzando: hanno sviluppato un modello di intelligenza artificiale che identifica additivi in grado di migliorare le prestazioni delle batterie LNMO esattamente come un medico prescrive farmaci a un malato.
Il risultato? Prestazioni migliorate del 40% e anni di ricerca compressi in pochi mesi. Un approccio che potrebbe trasformare ogni batteria in un sistema capace di autoripararsi e rigenerarsi.
Quando le batterie si ammalano: il problema delle prestazioni
Le batterie LNMO (litio, nichel, manganese e ossigeno) sono, a detta di molti, il futuro dell’energia portatile. Operano a quasi 5 volt, offrono capacità energetica superiore e non richiedono cobalto, un materiale costoso e problematico dal punto di vista etico. Il problema? Come evidenzia il mercato globale delle batterie EV, valutato 81,41 miliardi di dollari nel 2025, queste batterie ad alta tensione superano il limite di stabilità degli elettroliti tradizionali.
Chen Liao, chimico all’Argonne e ricercatore senior presso l’Università di Chicago, spiega il fenomeno in modo molto chiaro:
“Le batterie dei cellulari e dei singoli veicoli elettrici operano tipicamente a basso voltaggio, intorno ai 4 volt. Ma una batteria LNMO che opera a 5 volt supera di gran lunga il limite di stabilità di qualsiasi elettrolita conosciuto”.
Questo significa decomposizione accelerata, perdita di capacità e degradazione precoce. Come un organismo che invecchia troppo in fretta.
Le prestazioni delle batterie ad alta tensione degradano rapidamente a causa della decomposizione elettrolitica. L’interfaccia tra elettrodo ed elettrolita diventa instabile, aumenta la resistenza interna e diminuisce la capacità di accumulo energetico. È esattamente quello che succede quando il nostro corpo si ammala: i sistemi smettono di funzionare correttamente e servono medicine specifiche per ristabilire l’equilibrio.
La “ricetta medica” per le prestazioni delle batterie
Per risolvere questo problema, gli scienziati usano additivi elettrolitici. Un additivo efficace si decompone durante i primi cicli di carica per formare un’interfaccia stabile sugli elettrodi. Una specie di pellicola protettiva che riduce la resistenza e rallenta la degradazione, migliorando le prestazioni delle batterie nel tempo.
Ma identificare l’additivo giusto tra centinaia di possibilità è un processo lungo e costoso con i metodi tradizionali. Hieu Doan, scienziato computazionale di Argonne, ha rivoluzionato questo approccio, istruendo un “amico speciale” che può darci una mano:
“L’idea tradizionale è che servono molti dati per addestrare un modello di machine learning. Ma il nostro lavoro dimostra che non servono molti dati per costruire un modello predittivo accurato. Basta un buon set di dati per farlo correttamente”.
L’intelligenza artificiale come dottore delle batterie
Il team ha sviluppato un modello di machine learning che collega la struttura chimica degli additivi al loro effetto sulle prestazioni delle batterie. Doan paragona il processo a una diagnosi basata sull’osservazione: “Come possiamo descrivere queste molecole in modo da poter usare il descrittore per fare una previsione sulle prestazioni?”
Il modello è progettato per stabilire una connessione tra la struttura chimica degli additivi e il loro impatto sul funzionamento della batteria. Addestrando il sistema su un set selezionato di 28 additivi, l’AI ha imparato a riconoscere le caratteristiche molecolari associate a specifiche metriche della batteria, come resistenza e capacità energetica.
Poi ha applicato questa conoscenza per vagliare 125 nuovi candidati, identificando diversi additivi che miglioravano le prestazioni delle batterie rispetto a quelli del dataset iniziale. Come evidenziava questo studio sulle batterie al sodio, l’intelligenza artificiale sta accelerando la scoperta di nuovi materiali energetici in modi prima impensabili.
L’approccio rivoluzionario: invece di testare casualmente centinaia di combinazioni chimiche in laboratorio (processo che richiederebbe 4-6 mesi), l’AI predice quali additivi funzioneranno meglio analizzando la loro struttura molecolare. È come avere un dottore che diagnostica la malattia guardando i sintomi e prescrive subito la terapia più efficace.
La “medicina di precisione” che fa bene alle batterie
I risultati sono impressionanti. Dopo aver addestrato rapidamente il loro nuovo modello, i ricercatori hanno osservato che gli additivi identificati dall’AI mostravano una deposizione elettrochimica del litio omogenea sull’anodo di indio. Altri materiali anodici possono sviluppare dendriti che compromettono le prestazioni delle batterie.
L’uso dell’apprendimento automatico insieme alla scienza sperimentale presenta un metodo completamente nuovo per la scoperta dei materiali. Come spiega questa ricerca sull’AI per la chimica dei materiali, stiamo assistendo a una trasformazione epocale: dalla scoperta casuale alla progettazione predittiva.
Il team ha dimostrato che è possibile “curare” le batterie ad alta tensione esattamente come curiamo le malattie umane: identificando i sintomi (decomposizione, resistenza elevata, capacità ridotta) e prescrivendo gli additivi chimici giusti per ristabilire la salute del sistema.
Il futuro della medicina per le prestazioni batterie
Questa ricerca apre scenari affascinanti. Immaginate batterie che si auto-diagnosticano quando iniziano a degradarsi e richiedono automaticamente gli additivi giusti per mantenersi in salute. Oppure sistemi di ricarica intelligenti che “somministrano” le molecole curative durante il processo di alimentazione.
Le implicazioni per i veicoli elettrici sono enormi. Secondo le stime del settore automotive, le batterie rappresentano il 30-40% del costo totale di un’auto elettrica. Migliorarne le prestazioni delle batterie attraverso additivi “intelligenti” potrebbe ridurre significativamente i prezzi e aumentare l’autonomia.
Il prossimo passo? Il team di Argonne sta già lavorando per integrare questo approccio con altre tecnologie emergenti, dalle batterie a stato solido ai supercondensatori ibridi. L’obiettivo è creare un ecosistema energetico dove ogni dispositivo può essere “curato” e ottimizzato attraverso la chimica di precisione guidata dall’intelligenza artificiale.
Non stiamo più solo costruendo batterie. Stiamo progettando organismi energetici capaci di autoguarigione, diagnosi precoce e terapie personalizzate. Una medicina per l’energia che potrebbe cambiare per sempre il nostro rapporto con la tecnologia elettrica.
