Un grupo de científicos del Instituto Holandés para la Investigación de la Energía Fundamental (DIFFER) en Eindhoven (Países Bajos) ha creado una base de datos de 31.618 moléculas que podrían utilizarse en futuras baterías de flujo redox. Para ello, los investigadores utilizaron inteligencia artificial y supercomputadoras para identificar las propiedades de las moléculas.
Con el aumento de moléculas potenciales que se han diseñado para su uso en las baterías de flujo para el almacenamiento de energía, los investigadores de DIFFER pensaron en crear una base de datos que fuera rápida y de fácil acceso para conocer las propiedades de estas moléculas.
El problema estaba en conocer las propiedades de muchas de las moléculas como el potencial redox y la solubilidad en agua, información relevante ya que están relacionados con la capacidad de generación de energía y la densidad de energía de las baterías de flujo redox.
IA y supercomputadoras para la creación de la base de datos
Para solventar este problema, los investigadores llevaron a cabo cuatro pasos para desarrollar la base de datos. El primero consistía en utilizar una computadora de escritorio y algoritmos inteligentes para crear miles de variantes virtuales de dos tipos de moléculas, las quinonas y los aza-aromáticos. Los investigadores incorporaron en la computadora estructuras de columna vertebral de 24 quinonas y 28 aza-aromáticos más cinco grupos laterales diferentes químicamente relevantes. A partir de eso, la computadora creó 31.618 moléculas diferentes.
En el segundo paso, los investigadores utilizaron supercomputadoras, que aplican ecuaciones de la química cuántica, para calcular casi 300 propiedades diferentes de cada molécula. El siguiente paso, se incorporó el aprendizaje automático para predecir si las moléculas se disolverían en agua.
Por último, se creó la base de datos RedDB (de Redox DataBase), legible tanto por humanos como por máquinas, que contiene las moléculas y sus propiedades con nombres y descripciones convenientes.
Esta base de datos es pública y los investigadores de todo el mundo tienen la posibilidad de buscar fácilmente moléculas potencialmente interesantes para las baterías de flujo redox. Además, los investigadores pueden usar la base de datos para mejorar sus modelos de aprendizaje automático para acelerar el diseño de moléculas de alta calidad para el almacenamiento de energía.