Las computadoras cuánticas pueden simular las propiedades de nuevos materiales que podrían hacer que las baterías sean más seguras, más densas en energía y más fáciles de reciclar.
Los investigadores cuánticos de Ford acaban de publicar un nuevo estudio de preimpresión que modeló materiales cruciales de baterías de vehículos eléctricos (EV) utilizando una computadora cuántica. Si bien los resultados no revelan nada nuevo sobre las baterías de iones de litio, demuestran cómo se podrían usar computadoras cuánticas más potentes para simular con precisión reacciones químicas complejas en el futuro.
Para descubrir y probar nuevos materiales con computadoras, los investigadores tienen que dividir el proceso en muchos cálculos separados: un conjunto para todas las propiedades relevantes de cada molécula individual, otro para cómo estas propiedades se ven afectadas por los cambios ambientales más pequeños, como las temperaturas fluctuantes, otro para todas las formas posibles en que dos moléculas pueden interactuar juntas, y así sucesivamente. Incluso algo que suena simple como el enlace de dos moléculas de hidrógeno requiere cálculos increíblemente profundos.
Pero desarrollar materiales usando computadoras tiene una gran ventaja: los investigadores no tienen que realizar todos los experimentos posibles físicamente, lo que puede llevar mucho tiempo. Herramientas como la IA y el aprendizaje automático han podido acelerar el proceso de investigación para desarrollar materiales novedosos, pero la computación cuántica ofrece el potencial para hacerlo aún más rápido. Para los vehículos eléctricos, encontrar mejores materiales podría conducir a baterías más potentes, de carga más rápida y de mayor duración. Las computadoras tradicionales usan bits binarios, que pueden ser un cero o un uno, para realizar todos sus cálculos. Si bien son capaces de hacer cosas increíbles, existen algunos problemas como el modelado molecular de alta precisión que simplemente no tienen el poder de manejar y, debido a los tipos de cálculos involucrados, posiblemente nunca lo tendrán. Una vez que los investigadores modelan más de unos pocos átomos, los cálculos se vuelven demasiado grandes y consumen mucho tiempo, por lo que deben confiar en aproximaciones que reducen la precisión de la simulación.
En lugar de bits regulares, las computadoras cuánticas usan qubits que pueden ser cero, uno o ambos al mismo tiempo. Los qubits también se pueden enredar, rotar y manipular de otras formas cuánticas salvajes para transportar más información. Esto les da el poder de resolver problemas que son intratables con las computadoras tradicionales, incluido el modelado preciso de reacciones moleculares. Además, las moléculas son cuánticas por naturaleza y, por lo tanto, se mapean con mayor precisión en qubits, que se representan como formas de onda.
Desafortunadamente, mucho de esto sigue siendo teórico. Las computadoras cuánticas aún no son lo suficientemente poderosas o confiables para ser comercialmente viables. También hay una brecha de conocimiento: debido a que las computadoras cuánticas funcionan de una manera completamente diferente a las computadoras tradicionales, los investigadores aún deben aprender la mejor manera de emplearlas. Aquí es donde entra en juego la investigación de Ford. Ford está interesada en fabricar baterías que sean más seguras, más densas en energía y potencia, y más fáciles de reciclar. Para hacerlo, deben comprender las propiedades químicas de los nuevos materiales potenciales, como los mecanismos de carga y descarga, así como la estabilidad electroquímica y térmica.
El equipo quería calcular la energía del estado fundamental (o el estado de energía atómica normal) del LiCoO2, un material que podría usarse potencialmente en baterías de iones de litio. Lo hicieron usando un algoritmo llamado Solucionador propio cuántico variacional (VQE) para simular los modelos de fase gaseosa Li2Co2O4 y Co2O4 (básicamente, la forma más simple de reacción química posible) que representan la carga y descarga de la batería. VQE utiliza un enfoque híbrido cuántico-clásico con la computadora cuántica (en este caso, 20 qubits en un simulador de vector de estado de IBM) solo empleado para resolver las partes de la simulación molecular que más se benefician de sus atributos únicos.
