El desarrollo de tecnologías basadas en inteligencia artificial (IA) sigue avanzando a pasos agigantados, y ahora un equipo de investigadores del Instituto Nacional de Estándares y Tecnología (NIST) ha diseñado un algoritmo que como ellos explican es capaz de identificar cuándo las baterías de litio de los teléfonos está a punto de incendiarse. Este avance podría revolucionar la seguridad en dispositivos electrónicos y entornos donde estas baterías son omnipresentes.
Las baterías de litio son esenciales en los dispositivos que usamos habitualmente. Sin embargo, su densidad energética, que es lo que las hace eficientes, también conlleva riesgos significativos. Si estas baterías se dañan o sobrecalientan, pueden experimentar un fenómeno conocido como «descontrol térmico», una reacción química que genera un aumento drástico de temperatura y, en ocasiones, explosiones.
En 2023, solo en Nueva York, los incendios causados por explosiones de baterías de bicicletas eléctricas dejaron 18 muertos y 150 heridos. Estos incendios son especialmente peligrosos porque alcanzan temperaturas extremas (hasta 1,100 °C) en segundos, mucho antes de que los detectores de humo convencionales puedan reaccionar.
La solución: IA que escucha los primeros signos de peligro
El avance del NIST se basa en un hallazgo curioso: antes de incendiarse, muchas baterías emiten un sonido distintivo cuando su válvula de seguridad se rompe debido a la acumulación de presión interna. Este sonido, descrito como un «clic-siseo», ocurre aproximadamente dos minutos antes del colapso. Aunque imperceptible para el oído humano en ambientes ruidosos, la IA desarrollada por los investigadores puede detectar este sonido en las baterías de los teléfonos con una precisión del 94%.
El equipo, liderado por Wai Cheong “Andy” Tam y Anthony Putorti, entrenó un algoritmo de aprendizaje automático utilizando grabaciones de 38 baterías explotando en condiciones controladas. Estas grabaciones se expandieron mediante ajustes en la velocidad y el tono, generando más de 1.000 muestras únicas que ayudaron al algoritmo a distinguir el sonido específico de una batería fallida de otros ruidos cotidianos.
Este avance fue presentado en el 13.º Simposio Asia-Oceanía sobre Ciencia y Tecnología del Fuego, donde los investigadores también discutieron sus planes futuros. Estos incluyen pruebas adicionales con diferentes tipos de baterías y micrófonos, así como la optimización del algoritmo para su implementación en escenarios reales.
Cómo funciona el sistema de detección
El sistema desarrollado por NIST utiliza micrófonos para captar sonidos en tiempo real y analizarlos mediante su algoritmo de IA. Durante las pruebas, la IA demostró ser resistente, incluso a intentos deliberados de confundirla con ruidos similares. Solo un pequeño porcentaje de estos intentos logró engañar al sistema, lo que resalta su robustez.
La tecnología basada en este descubrimiento podría integrarse en una nueva clase de alarmas de incendio diseñadas específicamente para detectar fallos en baterías de litio. Estas alarmas tendrían aplicaciones en hogares, oficinas, almacenes y estacionamientos de vehículos eléctricos, proporcionando alertas con tiempo suficiente para evacuar el área o tomar medidas preventivas.
En lugares con altas concentraciones de baterías, como centros de datos, plantas de fábricas o almacenes de equipos electrónicos, este tipo de sistema podría ser interesante y necesario de instalar. También es posible que se utilice en dispositivos portátiles, como teléfonos y ordenadores portátiles, para alertar a los usuarios antes de un fallo importante.
Aunque el enfoque principal de este desarrollo es la seguridad física, su implicación en el ámbito de la ciberseguridad no debe minimizarse. Las baterías de litio están presentes en dispositivos que forman parte de redes IoT (Internet de las Cosas) y sistemas de empresas que son indispensables. El uso de IA para prevenir incidentes podría integrarse con tecnologías de monitoreo remoto y gestión de riesgos, reduciendo el impacto de fallos no solo en términos de seguridad, sino también en la continuidad operativa de infraestructuras críticas lo que supone una gran ventaja en su funcionamiento.
