APLICACIÓN DE APRENDIZAJE AUTOMÁTICO PARA LA CLASIFICACIÓN DEL DESEMPEÑO DE BATERÍAS DE IONES DE LITIO A PARTIR DE LA EFICIENCIA COULÓMBICA Y LA CONDUCTIVIDAD DEL ELECTROLITO

Este trabajo propone una metodolog ́ıa basada en aprendizaje autom ́atico para clasificar dos par ́ametros esenciales de las bater ́ıas de iones de litio: la eficiencia coul ́ombica, que se estudia como un indicador del rendimiento electroqu ́ımico a nivel celular, y la conductividad i ́onica, que se analiza como una propiedad intr ́ınseca del electrolito para el transporte. Se desarroll ́o un proceso de curaci ́on de la base de datos, basado en datos experimentales que se encuentran en la literatura. Este proceso abarc ́o el reconocimiento de compuestos a trav ́es del sistema SMILES y la determinaci ́on de propiedades fisicoqu ́ımicas esenciales, produciendo 13 descriptores at ́omicos para medir la eficiencia coul ́ombica y 17 descriptores moleculares y termodin ́amicos para estudiar la conductividad i ́onica. Luego, se llev ́o a cabo un an ́alisis exploratorio de datos en un conjunto curado, que incluye 283 datos para la eficiencia coul ́ombica y 10196 para la conductividad i ́onica. La regresi ́on LASSO (Least Absolute Shrinkage and Selection Operator) fue la t ́ecnica utilizada para seleccionar las caracter ́ısticas. Se definieron l ́ımites de rendimiento rigurosos para analizar las formulaciones de manera sistem ́atica: la eficiencia coul ́ombica fue dividida en dos categor ́ıas (bajo rendimiento CE < 99 % y alto rendimiento CE ≥ 99 %), mientras que la conductividad i ́onica se clasific ́o en tres grupos: baja (σ < 1 mS/cm), media (1 ≤ σ ≤ 10 mS/cm) y alta (σ > 10 mS/cm).