Los modelos de fundación de IBM Researchis están impulsando versiones simuladas de sistemas complejos, que prometen acelerar el progreso tecnológico.
Los gemelos digitales han sido considerados durante mucho tiempo como cambiadores de juego en todas las industrias. Ya sea en automoción y aeroespacial, o en fabricación, redes de energía y logística de la cadena de suministro, estos modelos virtuales de sistemas del mundo real han prometido transformar las operaciones a través de modelos predictivos y análisis en tiempo real. Hasta ahora, sin embargo, la tecnología no ha cumplido su promesa, debido a las limitaciones en el modelado de sistemas físicos complejos con una precisión suficientemente alta.
IBM Research está trabajando para cambiar eso. Al aplicar técnicas de modelos básicos desarrolladas originalmente para el procesamiento del lenguaje, nuestros investigadores crearon un marco para construir gemelos digitales impulsados por IA que están totalmente basados en datos, se mejoran a sí mismos y son capaces de predecir con precisión comportamientos complejos del sistema. Este avance tiene amplias implicaciones, con aplicaciones que abarcan múltiples industrias que dependen de simulaciones de alta fidelidad para optimizar el rendimiento, mejorar la seguridad y reducir los costos.
Transformar el desarrollo de la batería con gemelos digitales impulsados por IA
Una de las aplicaciones más inmediatas e impactantes de este enfoque es en el desarrollo de baterías de vehículos eléctricos (EV). EVs’ rango promedio aproximadamente triplicado entre 2010 y 2021, y su la longevidad ahora es comparable a la de los vehículos con motor de combustión interna. Pero la ansiedad y la incertidumbre sobre la duración de la batería siguen siendo las principales barreras para su adopción más amplia. Los compradores de automóviles aún se preocupan por quedarse sin energía sin acceso a un cargador, y a largo plazo, les preocupa que los paquetes de baterías se degraden o fallen prematuramente. A pesar de las recientes mejoras, puede llevar años desarrollar y probar nuevas baterías que duren más y permitan a los automóviles conducir más lejos. Se está avanzando lentamente para los fabricantes de automóviles de Estados Unidos y Europa, especialmente en comparación con los relativamente plazos de desarrollo rápidos de fabricantes chinos de EV.
Sphere Energy, con sede en Augsburg, Alemania, está colaborando con IBM Research para especializarse y validar los gemelos digitales basados en modelos de la fundación IBM para acelerar el desarrollo y las pruebas de baterías EV. Al utilizar simulaciones impulsadas por IA, los fabricantes pueden reemplazar años de pruebas físicas con modelos virtuales de alta precisión que predicen el rendimiento y la degradación de la batería en condiciones reales.
En el corazón de la innovación digital gemela están las arquitecturas y técnicas de modelos de IA utilizadas popularmente para los modelos de base de lenguaje – los que se ven en los modelos de lenguaje grandes de hoy en día. Pero mientras que los LLM están capacitados en conjuntos de datos de texto y se implementan en tareas basadas en texto, estos modelos están diseñados para manejar la química compleja y las operaciones de los componentes de la batería.
De esta manera, IBM Research y Sphere están colaborando para capacitar a gemelos digitales de baterías EV basados en modelos básicos, que los fabricantes de baterías pueden poner a prueba para recopilar predicciones precisas de rendimiento, seguridad y comportamientos térmicos. Al predecir cientos de ciclos basados en tan solo 50 ciclos iniciales, los gemelos digitales basados en modelos básicos aumentan significativamente el rendimiento de las pruebas en comparación con el enfoque tradicional, donde los fabricantes de EV necesitarían desarrollar físicamente nuevas tecnologías de baterías. Se estima que este avance ahorrará millones de dólares y años de pruebas en carretera, según Sphere.
“La ingeniería de baterías se basa en datos, no en lenguaje, por lo que estamos usando modelos de base para simular el siguiente mejor punto de datos en lugar de la siguiente mejor palabra, dijo Lukas Lutz, cofundador de Sphere. Y los resultados de la prueba hablan por sí mismos: Esfera puede predecir dentro de un margen de error del 1% cómo se comportará una batería y la edad cuando el rendimiento comienza a caer de una manera no lineal. “Esto simplemente no era posible antes,” dijo Lutz. “Las simulaciones actuales asumen una decadencia lineal y, por lo tanto, no pueden predecir el importante régimen no lineal.”
Ampliando el alcance de los gemelos digitales
Con gemelos digitales basados en modelos básicos, Sphere tiene la intención de interrumpir el largo ciclo de desarrollo de la batería. Cuando un fabricante original de equipos de batería quiere fabricar una nueva tecnología de celdas de batería para vender a los fabricantes de automóviles, debe validarla durante varios años en un automóvil. Esta prueba de ciclo de vida estándar de la industria no es un requisito reglamentario, pero es esencial para ver cómo envejece una celda de batería en climas cálidos o fríos, bajo una conducción suave y agresiva, con una carga rápida o lenta — condiciones del mundo real que afectan la rapidez con que envejece una batería.
En lugar de realizar pruebas en carretera durante años, los fabricantes de baterías pueden implementar el gemelo digital basado en modelos básicos que simula una amplia gama de condiciones de conducción y modela cómo afectarán a las baterías.
En la instalación de pruebas de baterías de Sphereheres en Augsburgo, más de 1.500 celdas de varios tamaños, formatos y productos químicos funcionan 24/7 para proporcionar los datos utilizados para el preentrenamiento del modelo de IA. Hasta la fecha, el modelo fue entrenado con datos de más de 4,000 pruebas. Estos datos se introducen en la arquitectura del modelo de fundación de IBM desarrollada por el equipo de IBM Research para conocer el estado de un dispositivo específico y generar predicciones para varios descriptores. En el caso de las baterías, estos descriptores incluyen voltaje, corriente y capacidad. Específicamente, el modelo gemelo digital se basa en una arquitectura codificador-decodificador basada en bloques de transformadores de vainilla que se extienden para integrar representaciones numéricas.Cuando fue pre-entrenado en Sphereheres amplios conjuntos de datos — que también incluyen metadatos sobre la química celular — el modelo aprendió las transiciones entre los diferentes estados de un sistema.
Las salidas de las modelizaciones básicas se pueden generalizar en una variedad de casos de uso con un ajuste mínimo, lo cual es un gran problema en la industria de las baterías porque permite a los fabricantes usar el mismo modelo para predecir los comportamientos de las baterías en varios vehículos, lo que requiere solo pruebas limitadas en algunos casos de borde para validar las simulaciones.
“Los gemelos digitales basados en modelos de la Fundación construyen una representación digital integral de un sistema,” dijo Teodoro Laino, distinguido científico investigador de IBM Research. “Esto permite la extracción de múltiples mediciones interrelacionadas, proporcionando información más profunda y una comprensión más holística del rendimiento
“La decisión de Sphereheres de trabajar con IBM fue impulsada por la singularidad de nuestro enfoque de modelo de fundación para gemelos digitales, que es una capacidad distintiva desarrollada en IBM, agregó ” Laino.
Desbloquear el potencial más amplio de los gemelos digitales
Pero las baterías son solo el comienzo. La transición de las simulaciones tradicionales al modelado predictivo en tiempo real señala un cambio más amplio en la forma en que las industrias pueden usar modelos básicos para impulsar la eficiencia y acelerar la innovación. Ya sea en el desarrollo de baterías, la fabricación, la gestión de la red de energía o el mantenimiento predictivo de sistemas industriales, los gemelos digitales basados en datos pueden remodelar la forma en que las empresas abordan los complejos desafíos del sistema.
Los modelos de fundación tienen la capacidad de capturar relaciones intrincadas, y como tal, los gemelos digitales basados en modelos de fundación son muy adecuados para predecir el envejecimiento de la batería. Pueden tener en cuenta el estado interno de la batería, las condiciones ambientales y los escenarios de aplicación —, lo que lleva a pronósticos más precisos y optimización del rendimiento en una amplia gama de condiciones. Esta flexibilidad permite predicciones altamente precisas del envejecimiento y el rendimiento con una entrada de datos adicional mínima para ajustar los datos específicos del cliente, lo que resulta en una reducción estimada del 50% en el tiempo de desarrollo y el costo de las baterías nuevas.
Los gemelos digitales hacen más que acelerar el proceso de prueba, dijo Lutz. También permiten realizar pasos en paralelo que generalmente deben ocurrir en secuencia. Por ejemplo, un fabricante de baterías puede compartir datos de modelado gemelo digital con otras unidades de negocio anteriormente en un proyecto, lo que les permite incorporar la nueva tecnología celular más rápido. “Cuando una célula está en la fase de validación durante años, es difícil incorporar rápidamente una nueva tecnología de ánodo o cátodo — que está sucediendo cada 6 meses, por cierto,” Lutz dijo.
Así que a pesar de que los nuevos avances de la batería han estado sucediendo rápidamente en el campo, las pruebas celulares tardan tanto tiempo que las nuevas innovaciones simplemente se pueden incorporar porque no encajan en el ciclo de prueba. “Queremos cambiar eso,” dijo Lutz.
La mejora de estos procesos paralelos podría comenzar a dar a los fabricantes de EV occidentales una ventaja competitiva en el mercado de EV. Los fabricantes chinos han reducido los tiempos de desarrollo de los vehículos al realizar importantes inversiones en tecnología de baterías y fomentar la cooperación en toda la industria de fabricación de automóviles.
Los nuevos modelos capacitados desarrollados en esta colaboración ya están en uso con fabricantes de baterías, fabricantes de automóviles y otros actores relacionados, como los utillajes eléctricos en Europa, lo que demuestra cómo las simulaciones impulsadas por IA pueden transformar la industria.
A medida que avanza esta tecnología, IBM prevé que los gemelos digitales impulsados por IA desempeñen un papel clave no solo en la optimización del rendimiento, la seguridad y la sostenibilidad de las baterías, sino también en la mejora de aplicaciones industriales más amplias. Los gemelos digitales impulsados por IA tienen el potencial de impulsar procesos industriales más inteligentes, seguros y eficientes en una amplia gama de sectores, incluido el mantenimiento predictivo en la fabricación, la optimización de las redes de energía, la mejora de la eficiencia de la cadena de suministro y la mejora de la confiabilidad del sistema aeroespacial. IBM News. Traducido al español
Contacto