Gli ingegneri dell’Università della California Riverside hanno sviluppato un nuovo sistema basato sull’IA in grado di prevedere l’autonomia reale delle batterie. Il SOM (“State of Mission”) non solo calcola la capacità di carica residua, ma fa previsioni mission-specifiche basate su dati e fisica.
Capita spesso che un’auto elettrica segnali un 40% di carica residua, ma il guidatore non sappia se potrà davvero percorrere 100 km in salita con il riscaldamento acceso. A risolvere questa incertezza ci pensano gli ingegneri dell’Università della California – Riverside, che hanno sviluppato una nuova metrica diagnostica: lo “State of Mission” (SOM).
Si tratta di un sistema di IA che va oltre il tradizionale “stato di carica” dei sistemi di gestione batteria per abbracciare il concetto di “missione” da completare. È quindi capace, secondo gli ideatori, di rispondere alla domanda più pratica per ogni conducente o operatore: la batteria, nelle sue condizioni attuali, può completare in sicurezza il compito previsto?
Modello ibrido, tra fisica e intelligenza artificiale
Alla base del SOM c’è un framework Neural ODE (Ordinary Differential Equation), che modella i processi elettrochimici, termici e di invecchiamento della batteria. Il sistema sfrutta una “fisica informata”: ogni previsione dell’intelligenza artificiale è vincolata da leggi fisiche, così da garantire risultati coerenti con la realtà.
Per un determinato percorso SOM analizza i dati interni della batteria e li incrocia con fattori esterni come traffico, pendenza del percorso, temperatura ambiente o uso dei sistemi di bordo. In questo modo produce previsioni in tempo reale personalizzate, capaci di dire se una batteria può davvero portare a termine un compito in condizioni reali.
A differenza dei modelli puramente basati sulla fisica, che faticano ad adattarsi a scenari variabili, o delle reti neurali che spesso non spiegano il “perché” dei risultati, SOM combina il meglio dei due mondi. Utilizza reti neurali che apprendono da grandi quantità di dati reali – cicli di carica e scarica, temperature, tensioni, correnti – ma impone anche vincoli basati sulle leggi dell’elettrochimica e della termodinamica.
Gestione predittiva e sicura delle batterie
L’approccio ibrido, “mission-aware”, consentirebbe a SOM di prendere decisioni in tempo reale ritenute più affidabili e sicure. Può ad esempio avvisare se un veicolo elettrico dovrà ricaricare prima della meta o sui cambiamenti in condizioni difficili come un improvviso calo di temperatura o una salita ripida.
Questo porta la gestione dell’energia a un livello superiore. Da una diagnostica statica a una gestione predittiva, adattiva, applicabile non solo alle auto ma anche ai sistemi di accumulo, veicoli industriali e applicazioni aerospaziali.
Il team UCR ha testato SOM su dataset pubblici di NASA e Oxford University, che contenevano anni di dati operativi reali. Pare che il modello abbia ridotto gli errori di previsione di 0,018 volt per la tensione, 1,37 °C per la temperatura e 2,42% per lo stato di carica.
Sfide per l’adozione nel mondo reale
L’unico vero limite oggi è la complessità computazionale. L’algoritmo richiede più potenza di calcolo di quella disponibile nei sistemi di gestione batteria attuali, spesso integrati in hardware leggeri. Tuttavia, i ricercatori sono fiduciosi: con ulteriori ottimizzazioni, SOM potrà essere integrato in auto elettriche, droni, sistemi di rete e nuove chimiche di batterie, comprese quelle sodio-ione o a stato solido.
“Il nostro approccio è pensato per essere generalizzabile”, afferma Cengiz Ozkan, co-leader del progetto di UCR. “Può migliorare affidabilità, sicurezza ed efficienza in una vasta gamma di tecnologie energetiche”.
LEGGI anche Cosa danneggia una batteria? Troppe ricariche “sbagliate” e guarda il VIDEO
Così quello che eventualmente si risparmia come emissioni di CO2 col la EV, certamente lo sperperi, ma moltiplicato, per il funzionamento degli spaventosamente energivori Data Center.
Avete letto quanta energia consumano per processare una mail? Immaginatevi quanti MWh sprecheranno per gestire un processo così complesso e dalle decine e decine di variabili, di durata temporale pari un viaggio. Avanti a tutta con questa politica green!
Questa è veramente da sbellicarsi.
Egregio Sig. Massimo, non cada sempre nel suo stile, ben noto ai lettori, quando non sa cosa rispondere. Sta affermando che il consumo di energia per la IA, è davvero così trascurabile da farla ridere?
Chiunque può chiedere su Google quanta energia i Data Center consumano, non serve che le propini degli inutili dati. Avrebbe ben poco da sbellicarsi dal ridere. Ma tant’è……. Il 4% dei lettori è d’accordo con lei, l’altro “solo” 96% le da contro. Contento?
Dovrei rispondere nel merito a chi scrive che pianificare un viaggio in auto elettrica con l’IA (mezzo secondo scarso di elaborazione) spreca MWh di energia? Smetta di scrivere corbellerie: quelle sì sono uno spreco di energia e di tempo
Se Google implementasse il S.O.M. nei suoi calcoli di gMaps /AndroidAutomotive) sicuramente raggiungerebbe prestazioni notevoli; a maggior ragione se “Gemini” (attualmente in introduzione al posto di Assistant) fornisse indicazioni vocali sul comportamento da tenere da parte del guidatore.
Io con la mia BEV faccio prevalentemente percorsi standard (1100km/mese) e le previsioni di navigazione sono generalmente super precise (max
1% SOC e pochi minuti di differenza pur trovando imprevisti sul percorso). Molto più prudenziale la gestione dei viaggi con ricarica intermedia…ove giustamente propone soste anche non necessarie..se poi all’ arrivo ci attende un punto ricarica ; anche io preferisco sempre tentare una.sosta anticipata.. e lasciare la 2ª opportunità (col SOC molto basso) soltanto alla successiva (se ho molte opzioni disponibili).
Personalmente sono convinto che più che attendere le batterie a stato solido del 2030 potremo avere rapidissimi progressi anche via SW / OTA (sempre che le case vogliano supportare evoluzioni… piuttosto che lasciar invecchiare il venduto e puntare su nuovi modelli in sostituzione….come se i consumatori avessero infinite capacità di spesa… Potrebbero magari fornire upgrade HW come after market, qualora i sistemi di bordo nativi non avessero sufficiente capacità di calcolo)