Estamos siendo testigos de la inclusión de la inteligencia artificial para resolver problemas en muchas y diversas actividades humanas. Uno de los más grandes desafíos que tenemos en la actualidad es la construcción de un futuro con bienestar social. Para conseguir este futuro se pueden plantear diversas estrategias, pero una de las que considero más adecuadas es la concepción de un futuro sustentable.

Hace unas semanas llamó mi atención un artículo aparecido hace un año en la revista Nature [1] que aborda el papel de la inteligencia artificial, en particular del aprendizaje automático (machine learning, ML), en la construcción de un futuro de energía sustentable.

Claramente, dentro de los retos sociotécnicos que tenemos, la transición del uso de combustibles fósiles a las fuentes de energía renovables es uno de los desafíos globales más urgentes. Esta transición exige avances socio tecnológicos para la generación, almacenamiento, conversión y gestión eficiente y sustentable de la energía que proviene de las renovables, es decir, para todo el ámbito energético, inclusive los aspectos sociales en cada una de estas fases.

Recordemos que la quema de combustibles fósiles cubre aproximadamente el 80 por ciento de las necesidades energéticas del mundo y es la mayor fuente de emisiones de gases de efecto invernadero y, por ende causa directa del cambio climático. También que hemos mencionado que el uso de fuentes de energía renovables, en particular la energía solar y eólica, es una estrategia económicamente viable para combatir este cambio climático y adaptarnos a una forma de vida diferente a la actual.

En esta ocasión quiero resaltar que la comunidad científica ha comenzado a incorporar técnicas de aprendizaje automático para acelerar estos avances. En el artículo se detallan algunos indicadores para monitorizar el avance en las nuevas tecnologías con el uso del ML y con ello conocer la aceleración que puede tener la transición energética.

Estas técnicas han sido enfocadas al diseño y construcción de nuevos materiales, explorando de manera acelerada múltiples propiedades de los materiales. Por ejemplo, la exploración de diseños de materiales compuestos por diferentes elementos o estructuras cristalinas o materiales de perovskitas en celdas solares buscando mayor eficiencia y estabilidad.

La inteligencia artificial se ha enfocado en analizar materiales con geometrías novedosas o para modelar materiales con estructura compleja que son requeridos en los diferentes procesos de almacenamiento o conversión de energía. El aprendizaje supervisado se ha usado para analizar grandes cantidades de datos y proponer estructuras complejas con posibilidades de pronosticar las propiedades adecuadas de los materiales para aplicaciones energéticas.

Una perspectiva prometedora del ML se relaciona con la automatización de los procesos de toma de decisiones asociados con los suministros de energía. Estos suministros de energía aprovechan la flexibilidad en la demanda y las variaciones en la oferta de energía para con diferentes dinámicas distribuir la energía de manera más eficiente.

Estos modelos de ML auguran una flexibilidad dinámica para responder en tiempo real a las variaciones inherentes de la oferta y la demanda. Así, con estas respuestas diversas podríamos tener sistemas energéticos adaptados a las diferentes características ambientales y sociales de cada entorno y por lo tanto mucho más sustentables.

Todo esto enfocado al desarrollo de la recolección de energía, fotovoltaica o eólica, al almacenamiento de energía, baterías, la conversión (catálisis) y por supuesto la gestión de las mismas redes inteligentes. Así es como la inteligencia artificial nos puede ofrecer una amplia gama de tópicos de investigación y soluciones tecnológicas que, inclusive, puedan considerar los aspectos sociales.

La inteligencia artificial nos ofrece una gama amplia de soluciones. Sin embargo, para poder utilizarla necesitamos tener a nuestra disposición datos, que como he mencionado, en México no abundan. Adicionalmente, necesitamos capacitación en esta área, que requiere un profundo dominio de las matemáticas, aspecto que hemos descuidado en la formación básica.

Así que los retos pueden ser diferentes para nuestra población en comparación con otras poblaciones del mundo.

Exijamos que los gobiernos, empresas y organizaciones sociales compartan la información para que sea un bien público y con ello podamos utilizar la inteligencia artificial en la construcción de un futuro sustentable.

[1] Nature Reviews Materials volume 8, pages 202–215 (2023)