Dentro de cualquier batería hay un líquido electrolito, y de cómo se aglomeran los iones en él depende cuánta energía entregará la batería y cuánto durará. Antes, para asomarse a esa multitud, había que montar experimentos largos o lanzar cálculos ultraprecisos que devoran semanas de tiempo de computación. Ahora hay una tercera vía: un modelo que aprende de millones de ejemplos y ofrece la imagen casi al instante.

Los autores del trabajo tomaron dos modelos de este tipo. Uno se entrenó con cristales inorgánicos: conoce el mundo de los sólidos. El segundo se entrenó con el conjunto OMol25, que reúne decenas de millones de configuraciones moleculares, incluidas las que aparecen en los electrolitos. Resultó que el modelo "molecular" predice la densidad y los factores de estructura de rayos X notablemente mejor que el "cristalino".

Además, el modelo mostró cómo cambia la solvatación según la composición: qué catión, qué anión, cuánta sal, qué forma tiene la molécula de disolvente. Por ejemplo, en los electrolitos de glicol, incluso un ligero cambio en la topología del disolvente reordena notablemente las correlaciones iónicas. Esta sensibilidad a los detalles antes se les escapaba a los modelos burdos.

Ahora los ingenieros pueden probar combinaciones de electrolitos en el ordenador, como piezas de un mecano, y solo verificar en el laboratorio las mejores opciones. Esto acelera la búsqueda de baterías de sodio seguras y de alta capacidad, y el sodio es mucho más abundante que el litio.