Una solución con IA para «resucitar» las baterías de litio
Las baterías de ion de litio se han convertido en el pilar energético del mundo moderno. Están presentes en casi todos los dispositivos portátiles, en los vehículos eléctricos, en sistemas de almacenamiento energético domésticos y en grandes instalaciones industriales. Sin embargo, su vida útil limitada plantea un doble problema: por un lado, la necesidad de reemplazo continuo implica un gasto de recursos y energía considerable; por otro, el desecho de estas baterías supone un desafío medioambiental que se agrava con el crecimiento exponencial del mercado.
Frente a esta situación, un equipo de investigadores de la Universidad de Fudan, en Shanghái, ha desarrollado una solución que permite recuperar baterías aparentemente “muertas”. Mediante el uso de inteligencia artificial (IA), han descubierto una mezcla electrolítica capaz de restaurar casi completamente la capacidad de celdas degradadas. Se trata de una innovación que, sin prometer milagros, podría transformar profundamente la manera en que gestionamos la vida útil de estos dispositivos electroquímicos.
Un problema global: toneladas de baterías cerca del fin de su vida útil
Según datos del International Energy Agency (IEA), en 2023 se produjeron más de 1.200 GWh de baterías de ion de litio a nivel mundial, lo que representa un incremento del 40% con respecto al año anterior. Se estima que en circulación hay más de 15.000 millones de baterías de litio solo en dispositivos móviles, y que para 2030 esa cifra podría duplicarse con el auge del almacenamiento energético residencial, industrial y del transporte eléctrico.
Además, se espera que para ese mismo año, el volumen de baterías de litio usadas que alcanzarán su fin de vida supere los 2 millones de toneladas anuales, según un informe de Circular Energy Storage. La gestión de estos residuos es urgente no solo por los riesgos medioambientales que conllevan, sino también por el valor estratégico de sus materiales: litio, cobalto, níquel y grafito, que son cada vez más escasos o políticamente sensibles.
La raíz del problema: ¿por qué mueren las baterías de litio?
Las baterías de ion de litio no se “agotan” de forma súbita, sino que se degradan lentamente por fenómenos químicos internos. Uno de los procesos clave es la formación de una SEI (Solid Electrolyte Interphase), una capa pasivadora que se forma en el ánodo y consume litio disponible. Con el tiempo, también se produce una pérdida de contacto eléctrico, crecimiento de dendritas, reducción de la conductividad iónica y colapso del electrolito.
En términos técnicos, una batería de ion de litio se considera inservible cuando su capacidad cae por debajo del 80% de su valor nominal. Este umbral se alcanza generalmente después de entre 1.000 y 2.500 ciclos de carga y descarga, dependiendo de su química específica (LFP, NMC, LCO, etc.) y de las condiciones de uso.
El papel de la inteligencia artificial en la regeneración de celdas
La investigación del equipo de Fudan destaca por su uso avanzado de inteligencia artificial para encontrar una solución eficaz a un problema químico. Mediante técnicas de aprendizaje automático, el algoritmo fue entrenado con miles de combinaciones de compuestos electrolíticos y su comportamiento en distintos contextos de degradación.
La IA sugirió tres formulaciones con alto potencial, entre ellas una basada en trifluorometanosulfinato de litio (LiSO₂CF₃). Este compuesto fue añadido a una solución electrolítica inyectada en celdas previamente degradadas. Los resultados fueron contundentes: la capacidad de las baterías restauradas alcanzó el 96% del valor original y se mantuvo estable tras más de 11.000 ciclos de uso intensivo.
Estos valores superan ampliamente la durabilidad de muchas celdas LFP actuales (fosfato de hierro y litio), que raramente sobrepasan los 3.000 ciclos útiles. El rendimiento regenerado fue confirmado tanto en baterías cilíndricas como prismáticas, en configuraciones tipo NMC (níquel-manganeso-cobalto) y LFP.
¿Cómo funciona exactamente esta solución regeneradora?
El éxito de esta solución se basa en la química del compuesto introducido. El trifluorometanosulfinato de litio parece mejorar la formación de una nueva capa SEI más delgada, estable y conductora en el ánodo, lo que permite reactivar procesos de intercalación de iones de litio. Además, tiene un efecto positivo en la reconstitución parcial de canales iónicos obstruidos en los electrodos.
Este tratamiento puede aplicarse mediante una inyección controlada de la solución en celdas ya instaladas, lo que plantea un futuro en el que vehículos eléctricos o sistemas estacionarios podrían recibir «mantenimiento químico» en lugar de sustitución completa de sus baterías.
Alternativas existentes: reciclaje mecánico, térmico y químico
La solución propuesta por Fudan no es la única vía para afrontar el problema de las baterías agotadas. En la actualidad, existen varios métodos de reciclaje en funcionamiento:
1. Reciclaje mecánico
Consiste en desmontar las baterías, triturarlas y separar físicamente los materiales mediante procesos como el cribado, la separación magnética o la flotación. Aunque es relativamente barato, tiene un rendimiento bajo en recuperación de metales.
2. Reciclaje térmico (pirometalurgia)
Implica la incineración controlada de las baterías para fundir los metales contenidos. Se recuperan cobalto, níquel y cobre, pero el litio se pierde en gran medida. Además, consume mucha energía y produce emisiones contaminantes.
3. Reciclaje químico (hidrometalurgia)
Utiliza disolventes ácidos o básicos para extraer metales. Aunque más eficiente y flexible, genera residuos líquidos difíciles de tratar. Empresas como Redwood Materials o Li-Cycle están apostando por esta vía.
4. Reutilización de baterías degradadas
Algunas empresas reacondicionan baterías de coches eléctricos para darles una segunda vida en almacenamiento estacionario. Aunque no recuperan la capacidad original, suponen una alternativa útil para usos menos exigentes.
Ventajas comparativas del método regenerador con IA
A diferencia del reciclaje convencional, la técnica desarrollada en China no requiere desmontaje físico ni tratamiento térmico, lo que reduce enormemente los costes y los riesgos asociados. Tampoco es necesario retirar la batería del dispositivo, lo que abre la puerta a intervenciones rápidas en talleres o centros de mantenimiento.
Además, su aplicabilidad a distintas químicas de baterías lo convierte en una opción muy versátil. Y si se confirma su escalabilidad, podría integrarse como fase previa o alternativa al reciclaje tradicional, evitando así el colapso de infraestructuras y reduciendo la demanda de litio virgen.
Proyección futura y desafíos pendientes
La iniciativa de Fudan ha despertado interés en varios fabricantes chinos de materiales para baterías. Se están explorando acuerdos para iniciar fases piloto en baterías industriales y vehículos eléctricos. No obstante, quedan importantes retos por delante:
- Validar la seguridad de la técnica en entornos reales y a gran escala.
- Evaluar los efectos a largo plazo sobre la química interna de las celdas.
- Desarrollar protocolos de diagnóstico que identifiquen con precisión qué baterías son aptas para esta regeneración.
A medio plazo, podríamos ver estaciones de servicio para baterías similares a los talleres mecánicos actuales, donde en lugar de cambiar piezas se apliquen tratamientos químicos revitalizantes.
Reflexiones finales
Este desarrollo marca un punto de inflexión en la forma en que concebimos el ciclo de vida de las baterías. La posibilidad de recuperar el rendimiento de celdas degradadas mediante una intervención química precisa, guiada por inteligencia artificial, plantea un cambio de paradigma en el diseño y la gestión de sistemas energéticos. La combinación de IA y ciencia de materiales abre nuevas vías para abordar desafíos globales desde perspectivas más eficientes y sostenibles.
A medida que crece la demanda de baterías para sostener la transición energética, cada avance que permita prolongar su vida útil o reducir su impacto ambiental será clave para un modelo energético más equilibrado.