Para ayudar a combatir el cambio climático, muchos fabricantes de automóviles están compitiendo para agregar más vehículos eléctricos a sus líneas. Pero para convencer a los posibles compradores, los fabricantes deben mejorar la distancia que estos autos pueden recorrer con una sola carga. ¿Uno de sus principales desafíos? Descubrir cómo hacer baterías extremadamente poderosas pero livianas.

Sin embargo, por lo general, los científicos tardan décadas en probar a fondo los nuevos materiales de las baterías, dice Pablo Leon, un estudiante graduado 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 clave, en la evaluación de los materiales de las baterías.

Con su herramienta en la mano, Leon planea ayudar a buscar nuevos materiales que permitan el desarrollo de baterías potentes y ligeras. Estas baterías no solo mejorarían la autonomía de los vehículos eléctricos, sino que también podrían desbloquear el potencial de otros sistemas de alta potencia, como los sistemas de energía solar que suministran energía de forma continua, incluso de noche.

Desde muy joven, Leon supo que quería obtener un doctorado, con la esperanza de convertirse algún día en profesor de ingeniería, como su padre. Al crecer 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 mamá trabajaba fuera de la universidad, como consejera familiar en una ciudad vecina.

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 los comportamientos de los sistemas mecánicos, como la rigidez de un resorte de metal. Pero quería profundizar más, hasta el nivel de los átomos, para comprender exactamente de dónde provienen estos comportamientos.

Entonces, cuando Leon se postuló para la escuela de posgrado en el MIT, cambió de campo a la ciencia de los materiales, con la esperanza de satisfacer su curiosidad. Pero la transición a un campo diferente fue “un proceso realmente difícil”, dice Leon, mientras se apresuraba a alcanzar a sus compañeros.

Para ayudar con la transición, Leon buscó un asesor de investigación agradable y encontró uno en Rafael Gómez-Bombarelli, profesor asistente en el Departamento de Ciencia e Ingeniería de Materiales (DMSE). “Debido a que él es de España y mis padres son peruanos, hay una facilidad cultural en la forma en que hablamos”, dice León. Según Gómez-Bombarelli, a veces los dos incluso discuten la investigación en español, un "fresco raro". Esa conexión ha permitido a Leon generar libremente ideas o hablar sobre sus inquietudes con su asesor, lo que le permite lograr un progreso significativo en su investigación.

Aprovechar el aprendizaje automático para investigar materiales de baterías

Los científicos que investigan nuevos materiales para baterías generalmente usan simulaciones por computadora para comprender cómo funcionan 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, guiando su búsqueda de materiales de alto rendimiento.

Pero crear 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 hacen una suposición aproximada de un modelo utilizando cálculos complejos de mecánica cuántica. Luego comparan el modelo con los resultados de experimentos de la vida real, ajustando manualmente diferentes 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.

Con materiales de batería bien estudiados, el proceso de simulación es algo más fácil. Los científicos pueden comprar software de simulación que incluye modelos prefabricados, dice Leon, pero estos modelos a menudo tienen errores y aún requieren ajustes adicionales.

Para construir modelos informáticos precisos con mayor rapidez, 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 ni hacer ningún ajuste manual”, dice. Leon ha comprobado que para materiales bien estudiados, su herramienta es tan precisa como el método manual para construir modelos.

Con este sistema, los científicos tendrán un enfoque único y estandarizado para construir modelos precisos en lugar del mosaico de enfoques que existen actualmente, dice Leon.

La herramienta de Leon llega en un momento oportuno, cuando muchos científicos están investigando un nuevo paradigma de baterías: 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. Pero crear versiones de estas baterías que sean lo suficientemente potentes para vehículos eléctricos o almacenamiento de energía renovable es un desafío.

Esto se debe en gran parte a que en la química de las baterías, a los iones no les gusta fluir a través de los sólidos y, en cambio, prefieren los líquidos, en los que 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 electricidad para sistemas de alta potencia, como los vehículos eléctricos. 

Leon planea usar su herramienta de aprendizaje automático para ayudar a buscar buenos materiales para baterías de estado sólido más rápidamente. Después de encontrar algunos candidatos poderosos en las simulaciones, trabajará con otros científicos para probar los nuevos materiales en experimentos del mundo real.

Ayudar a los estudiantes a navegar la escuela de posgrado

Para llegar a donde está hoy, haciendo una investigación emocionante e impactante, Leon acredita a su comunidad de familiares y mentores. Debido a su educación, Leon supo desde el principio qué pasos tendría que seguir para ingresar a la escuela de posgrado y trabajar para convertirse en profesor. Y aprecia el privilegio de su puesto, más aún como peruano estadounidense, dado que es menos probable que muchos estudiantes latinos tengan acceso a los mismos recursos. “Entiendo el canal académico de una manera que creo que muchos grupos minoritarios en el mundo académico no entienden”, dice.

Ahora, Leon está ayudando a futuros estudiantes de posgrado de entornos subrepresentados a navegar a través del programa de asistencia de solicitud de DMSE. Cada otoño, asesora a los solicitantes del programa de doctorado DMSE en el MIT, proporcionando comentarios sobre sus solicitudes y currículums. El programa de asistencia está dirigido por estudiantes y es independiente del proceso de admisión.

Conociendo de primera mano lo invaluable que es la tutoría a partir de su relación con su asesor, Leon también está muy involucrado en la tutoría de estudiantes de doctorado junior en su departamento. El año pasado, se desempeñó como presidente académico en la organización de estudiantes graduados de su departamento, el Graduate Materials Council. Con el MIT aún experimentando interrupciones por el Covid-19, Leon notó un problema con la cohesión de los estudiantes. “Me di cuenta de que los modos tradicionales [informales] de comunicación entre los años [de la clase entrante] se habían cortado”, dice, lo que dificulta que los estudiantes menores obtengan consejos de sus compañeros mayores. “No tenían ninguna comunidad a la que recurrir”.

Para ayudar a solucionar este problema, Leon sirvió como mentor de muchos estudiantes junior. Ayudó a los estudiantes de doctorado de segundo año a prepararse para su examen de calificación 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 aclimatarse a las clases aceleradas del departamento. Por diversión, Leon organizó un evento de lanzamiento de hachas para facilitar aún más la camaradería de los estudiantes.

Los esfuerzos de Leon fueron recibidos con éxito. Ahora, “los estudiantes más nuevos están reconstruyendo la comunidad”, dice, “así que siento que puedo dar un paso atrás” de ser presidente académico. En cambio, continuará asesorando a los estudiantes de tercer año a través de otros programas dentro del departamento. También planea extender sus esfuerzos de construcción comunitaria entre profesores y estudiantes, facilitando oportunidades para que los estudiantes encuentren buenos mentores y trabajen en investigaciones impactantes. Con estos esfuerzos, Leon espera ayudar a otros a lo largo de la vía académica con la que se ha familiarizado, viajando juntos por sus doctorados.