Las baterías de estado sólido llevan bastante tiempo señalándose como una de las principales promesas del futuro energético. Teóricamente, podrían ser más seguras, almacenar más energía y cargar mucho más rápido que las actuales baterías de litio. El problema es que encontrar los materiales adecuados para que funcionen de forma eficiente ha sido siempre un proceso largo y complejo.Ahora, un grupo de investigadores ha dado un paso significativo gracias a la inteligencia artificial. Utilizando modelos avanzados de aprendizaje automático, han identificado una señal microscópica que podría ayudar a detectar materiales ideales para estas baterías mucho más rápido de lo que era posible hasta ahora.La clave está en cómo se mueven los ionesPara entender el descubrimiento, hay que fijarse detenidamente en cómo funcionan las baterías de estado sólido. En lugar de utilizar un electrolito líquido como las baterías tradicionales, estas utilizan materiales sólidos para transportar los iones que generan la corriente eléctrica.La velocidad a la que se mueven esos iones es crucial. Cuanto más rápido circulan, mejor será el rendimiento de la batería, o sea, mayor potencia, cargas más rápidas y una eficiencia energética superior.El problema es que predecir ese movimiento dentro de un material sólido es muy complicado. Durante años, los científicos han tenido que sintetizar y probar materiales uno a uno en el laboratorio o recurrir a simulaciones informáticas muy costosas. Esto ha ralentizado mucho la investigación en un campo que muchos consideran clave para el futuro de la movilidad eléctrica.No es casualidad que las baterías de estado sólido se consideren una tecnología capaz de revolucionar la autonomía de los coches eléctricos y otros dispositivos energéticos.Una señal llamada “Raman” que revela materiales prometedoresAquí es donde entra la inteligencia artificial. Los investigadores han desarrollado un sistema que combina modelos de aprendizaje automático con simulaciones físicas para analizar el comportamiento vibracional de los materiales.En concreto, se han fijado en las llamadas señales Raman, un tipo de espectro que permite estudiar cómo vibran los átomos dentro de un material. Cuando los iones se mueven a través de la estructura cristalina de forma muy rápida (como si se tratara de un líquido), se produce una señal específica de baja frecuencia en ese aspecto.Esa señal actúa como una especie de “huella digital” que indica que el material podría permitir un transporte iónico muy eficiente. En otras palabras, es un candidato ideal para baterías de estado sólido de alto rendimiento.El sistema basado en IA permite detectar estas señales con gran precisión y, además, hacerlo con un coste computacional mucho menor que los métodos tradicionales.Un camino más rápido hacia las baterías del futuroEl impacto de este avance podría ser muy importante. En lugar de analizar materiales uno a uno durante años, los investigadores podrían utilizar este sistema para examinar miles de candidatos de forma mucho más rápida.Eso abriría la puerta a descubrir nuevos electrolitos sólidos capaces de transportar iones con gran eficiencia, algo fundamental para que las baterías de estado sólido pasen del laboratorio al mercado.Este tipo de avances se suma a una tendencia más amplia: la combinación de inteligencia artificial y ciencia de materiales para acelerar descubrimientos que antes tardaban décadas. De hecho, muchas de las tecnologías energéticas del futuro llevan décadas en desarrollo y aún están evolucionando.Si métodos como este se consolidan, podríamos estar cada vez más cerca de ver baterías más seguras, duraderas y rápidas que las actuales. Y eso tendría un impacto directo en coches eléctricos, dispositivos electrónicos y en el almacenamiento de energía a gran escala.