General Motors invierte 60 millones de dólares en Mitra Chem, un innovador de materiales para baterías habilitado para IA con sede en Silicon Valley. La plataforma impulsada por inteligencia artificial de la empresa y las instalaciones de investigación y desarrollo avanzado en Mountain View, California, ayudarán a acelerar la comercialización de baterías asequibles para vehículos eléctricos por parte de GM.
GM y Mitra Chem se unen para desarrollar materiales activos catódicos (CAM) avanzados a base de hierro, como fosfato de hierro, manganeso y litio (LMFP), para alimentar baterías de vehículos eléctricos asequibles y accesibles, compatibles con la arquitectura de propulsión de vehículos eléctricos de GM, la plataforma Ultium. La financiación de GM ayudará a Mitra Chem a ampliar sus operaciones actuales y acelerar la comercialización de su novedosa formulación de materiales para baterías.
«Esta es una inversión estratégica que ayudará a reforzar aún más los esfuerzos de GM en baterías para vehículos eléctricos, acelerará nuestro trabajo en productos químicos de baterías asequibles como LMFP y respaldará nuestros esfuerzos para construir una cadena de suministro de baterías centrada en los EE. UU.. GM está acelerando mayores inversiones en subdominios críticos de la tecnología de baterías, como la química de las celdas, los componentes y los procesos avanzados de producción de celdas. Los laboratorios, los métodos y el talento de Mitra Chem encajarán bien con el trabajo de nuestro propio equipo de I+D”, comentó Gil Golan, vicepresidente de Tecnología de GM. Aceleración y Comercialización.
Las instalaciones de investigación y desarrollo de baterías de Mitra Chem pueden simular, sintetizar y probar miles de diseños de cátodos mensualmente, con tamaños que van desde gramos hasta kilogramos. Estos procesos impulsan ciclos de aprendizaje significativamente más cortos, lo que permite acortar el tiempo de comercialización de nuevas fórmulas de celdas de batería.
Una «plataforma de aceleración de átomos a toneladas» impulsa el laboratorio de Mitra Chem, utilizando simulaciones y modelos de aprendizaje automático basados en la física para acelerar el descubrimiento de formulaciones, la optimización de la síntesis de cátodos, la evaluación de la vida útil de las células y la ampliación de procesos. La plataforma en la nube interna, diseñada específicamente para el desarrollo de cátodos de baterías, automatiza la ingesta de datos a través de diversas síntesis, caracterización de materiales, creación de prototipos de celdas y análisis y visualizaciones estandarizados.
“La inversión de GM en Mitra Chem no solo nos ayudará a desarrollar productos químicos de batería asequibles para su uso en vehículos GM, sino que también impulsará nuestra misión de desarrollar, implementar y comercializar materiales catódicos a base de hierro fabricados en EE. UU. que puedan alimentar vehículos eléctricos, electrificados a escala de red. almacenamiento de energía y más”, expresó el director ejecutivo y cofundador de Mitra Chem, Vivas Kumar.
Mitra Chem está construyendo la primera empresa norteamericana de productos de materiales para baterías de iones de litio que acorta el plazo desde el laboratorio hasta la producción en más de un 90 %. Las baterías de iones de litio son la plataforma tecnológica clave que permite la electrificación en el transporte, la electrónica de consumo y el almacenamiento de energía residencial, comercial y a escala de red. La primera categoría de productos de Mitra Chem son los cátodos a base de hierro para aplicaciones de baterías occidentales. Los cátodos a base de hierro abandonan el uso de elementos como el níquel y el cobalto, que enfrentan inminentes crisis de suministro. Mitra Chem lleva los productos catódicos del laboratorio a la escala industrial más rápido que la competencia al aprovechar una ventaja de la tecnología de aprendizaje automático interna para acortar drásticamente el cronograma de I+D. El objetivo de la empresa es transformar el cátodo de un producto químico especializado a una tecnología de plataforma que diferencie el rendimiento de la celda según la aplicación final.