Científicos de Chalmers crean método de carga rápida con IA que reduce el desgaste de baterías sin aumentar el tiempo de carga.
- 🌍 IA y baterías → hasta un 23 % más de vida útil.
- ⚡ Carga rápida inteligente → mismo tiempo, menos desgaste.
- 🔋 Menos degradación → menor pérdida de capacidad.
- 🚗 Más confianza en el coche eléctrico → menos miedo a cambiar batería.
- 🧠 Aprendizaje automático → adaptación continua al estado real de la batería.
- ♻️ Mejor uso del litio y materiales críticos → menos residuos.
- 🏭 Aplicación inmediata → actualización de software, sin cambiar hardware.
- 🚕 Impacto enorme en taxis y flotas → más kilómetros útiles por vehículo.
La inteligencia artificial entra en la batería: cargar rápido sin castigarla ya no parece imposible
Uno de los grandes dilemas del coche eléctrico lleva años encima de la mesa. Los usuarios quieren cargar rápido. Las baterías, no tanto.
Cada recarga ultrarrápida supone una pequeña agresión química para las celdas. Nada dramático al principio, claro. El problema aparece con el tiempo: pérdida de autonomía, degradación interna y una batería que envejece antes de lo previsto. Ahí es donde entra el nuevo trabajo desarrollado por investigadores de la Chalmers University of Technology y la Victoria University of Wellington.
Su propuesta no busca fabricar una batería revolucionaria ni cambiar los materiales actuales. La clave está en otra parte: enseñar a la batería a cargarse de forma más inteligente mediante inteligencia artificial.
Y ojo, porque el dato es importante. Según el estudio, la vida útil podría aumentar alrededor de un 23 % manteniendo prácticamente el mismo tiempo de carga.
El problema oculto de la carga rápida
La mayoría de conductores perciben la carga rápida como un simple aumento de potencia. Más kilovatios, menos espera. Pero dentro de la batería ocurre algo mucho más complejo.
Cuando una batería recibe mucha corriente en poco tiempo, las reacciones químicas internas se aceleran. Parte del litio deja de almacenarse correctamente y comienza a depositarse sobre los electrodos metálicos en forma de capas irregulares. Este fenómeno, conocido como lithium plating, reduce capacidad y puede afectar a la seguridad del sistema.
El detalle importante es que este riesgo aumenta con el envejecimiento de la batería. Una batería nueva tolera mejor ciertas condiciones. Una batería con años de uso ya no responde igual.
Sin embargo, muchos sistemas actuales siguen utilizando estrategias de carga bastante rígidas. Básicamente aplican perfiles similares independientemente del desgaste real de la batería.
Ahí estaba el cuello de botella.
Una IA que aprende cómo envejece cada batería
El nuevo sistema utiliza aprendizaje por refuerzo, una técnica de inteligencia artificial que aprende mediante prueba, error y recompensas. Más o menos como cuando una persona perfecciona una habilidad a base de práctica.
La IA fue entrenada utilizando simulaciones avanzadas de baterías de ion-litio muy utilizadas en vehículos eléctricos actuales. El sistema aprendió a modificar continuamente la intensidad de carga en función de varios factores:
- Estado de carga de la batería.
- Temperatura.
- Nivel de degradación.
- Historial de uso.
- Riesgo de reacciones químicas dañinas.
Lo interesante es que la IA no busca simplemente cargar lento para proteger la batería. Eso sería fácil. El reto real era encontrar el equilibrio entre velocidad y salud química.
Y parece haberlo conseguido.
Según los investigadores, la diferencia en tiempo respecto a la carga rápida convencional es de apenas unos segundos.
Más autonomía útil durante años
Cuando se habla de duración de una batería, muchas veces se piensa solo en años. Pero el dato realmente importante es la autonomía útil que conserva con el paso del tiempo.
Una batería que mantiene mejor su capacidad durante más ciclos significa varias cosas:
- Menos sustituciones prematuras.
- Mejor valor de reventa del vehículo.
- Menor coste de mantenimiento.
- Mayor confianza del consumidor.
En Europa, precisamente, la preocupación por la vida útil de las baterías sigue siendo una de las principales barreras psicológicas para muchos compradores. Aunque los coches eléctricos actuales ya ofrecen garantías largas, el miedo al deterioro continúa muy presente.
Por eso tecnologías como esta podrían tener un impacto enorme, especialmente en sectores donde la carga rápida es constante: taxis, logística urbana, reparto de última milla o transporte industrial.
En esos casos, una mejora del 23 % en vida útil puede traducirse en miles de euros ahorrados por vehículo.
La parte más interesante: no hace falta cambiar la batería
Aquí aparece uno de los aspectos más prometedores del estudio. La solución no requiere nuevos materiales exóticos ni rediseñar las baterías actuales.
En teoría, bastaría con actualizar el software del sistema de gestión de batería, el conocido BMS (Battery Management System).
Eso reduce muchísimo las barreras de implementación. Y también acelera la llegada al mercado.
De hecho, el sector automovilístico ya está avanzando hacia vehículos cada vez más definidos por software. Tesla abrió ese camino hace años con actualizaciones remotas que modificaban funciones del vehículo. Ahora prácticamente toda la industria se mueve en esa dirección.
La gestión energética basada en IA podría convertirse en la próxima gran evolución silenciosa del coche eléctrico. De esas que casi no se ven… pero cambian todo.
Europa busca baterías más duraderas y sostenibles
La investigación llega en un momento especialmente relevante para Europa. La nueva regulación europea sobre baterías, aprobada dentro del paquete climático comunitario, pone el foco en aspectos como:
- Durabilidad.
- Reparabilidad.
- Trazabilidad de materiales.
- Reciclaje.
- Huella de carbono de fabricación.
Cada año extra de vida útil reduce presión sobre la extracción de litio, níquel, cobalto y grafito. Y eso importa muchísimo.
La minería asociada a la transición energética sigue siendo uno de los grandes debates ambientales actuales. Aunque el coche eléctrico reduce emisiones en uso, fabricar baterías sigue teniendo un impacto considerable en agua, energía y materias primas.
Por eso prolongar la vida útil se ha convertido casi en una obsesión industrial. No solo por dinero. También por sostenibilidad.
La carrera silenciosa por las baterías inteligentes
Durante años, la industria ha centrado gran parte de sus esfuerzos en aumentar densidad energética y velocidad de carga. Ahora empieza a aparecer otra prioridad: la inteligencia operativa.
Ya no basta con tener una batería grande. Lo importante es cómo se gestiona.
Fabricantes como Tesla, BYD o CATL están invirtiendo enormes recursos en software predictivo, gestión térmica y optimización mediante datos.
Porque el futuro del coche eléctrico probablemente no dependa solo de nuevas químicas milagrosas. Muchas mejoras llegarán desde algoritmos invisibles trabajando en segundo plano.
Curioso, la verdad. A veces una actualización de software puede ahorrar más recursos que una fábrica nueva.
Potencial
La combinación de inteligencia artificial y gestión energética puede convertirse en una herramienta muy valiosa para acelerar la transición energética sin disparar el consumo de materias primas.
Aplicaciones realistas de esta tecnología podrían incluir:
- Sistemas de carga adaptativa para flotas urbanas.
- Optimización automática según clima y temperatura.
- Integración con redes eléctricas inteligentes.
- Extensión de vida útil en autobuses eléctricos y camiones.
- Mejora del almacenamiento doméstico conectado a energía solar.
También podría facilitar un acceso más asequible al vehículo eléctrico de segunda mano, un aspecto clave para democratizar la movilidad eléctrica y evitar que quede limitada a rentas altas.
Cuanto más duren las baterías, menos presión habrá sobre la fabricación masiva de nuevas unidades. Y eso, en plena crisis climática y de recursos, empieza a ser casi tan importante como reducir emisiones.
Más información: Meng Yuan et al., Aprendizaje por refuerzo continuo para la carga rápida de baterías de iones de litio con conciencia de la salud, IEEE Transactions on Transportation Electrification (2026).
DOI: 10.1109/tte.2025.3625421
Deja una respuesta