High-Throughput Bayesian Optimization of Cement-Salt Hydrates Composites for Seasonal Thermochemical Energy Storage

Este artículo demuestra que un marco de optimización bayesiana de alto rendimiento acelera eficazmente el descubrimiento de composites de hidratos de cemento y sal rentables para el almacenamiento estacional de energía termoquímica, identificando formulaciones de Pareto-óptimas que mejoran significativamente la energía específica y el equilibrio entre costo y rendimiento en comparación con materiales basados en cemento anteriores.

Lo esencial

Imagina que estás intentando hornear el pastel perfecto, pero en lugar de harina y azúcar, estás mezclando cemento y sales especiales para crear un material que puede "comer" calor durante el verano y "escupirlo" durante el invierno. Esto se llama Almacenamiento de Energía Termoquímica Estacional. Es como una batería térmica que podría mantener tu casa caliente todo el invierno utilizando el calor recogido en un soleado día de julio.

¿El problema? Hay miles de formas de mezclar estos ingredientes. Tienes diferentes tipos de sales, diferentes cantidades de agua, diferentes cantidades de cemento y diferentes aditivos. Intentar encontrar la receta perfecta adivinando y comprobando (el antiguo método de "prueba y error") tomaría años y costaría una fortuna.

Este artículo describe una forma más inteligente de encontrar la mejor receta utilizando un "chef digital" llamado Optimización Bayesiana (OB).

El Chef Digital (Optimización Bayesiana)

Piensa en el sistema de OB como un asistente superinteligente e incansable que ama aprender.

1. El Juego de Adivinanzas: En lugar de probar cada combinación posible (lo cual sería como probar cada pastel individual del mundo), el asistente selecciona algunas recetas prometedoras para probar primero.
2. La Cata: El equipo realmente mezcla estos pequeños lotes de pasta de cemento-sal, los hornea y prueba cuánto calor pueden almacenar.
3. El Bucle de Aprendizaje: El asistente examina los resultados. "¡Oh, demasiada sal hizo que el pastel estuviera líquido (se derritió). Muy poca agua lo hizo desmenuzable. Pero esta mezcla específica de Cloruro de Calcio y cemento funcionó muy bien!".
4. El Siguiente Movimiento: Basándose en lo que aprendió, el asistente sugiere inmediatamente el siguiente mejor conjunto de ingredientes para probar. Se vuelve cada vez mejor adivinando a los ganadores, saltándose por completo las recetas malas.

Los Dos Objetivos: Potencia vs. Precio

El equipo tenía dos objetivos en competencia, como intentar comprar un coche que sea a la vez el más rápido y el más barato.

• Objetivo 1: Energía Máxima (El Coche Rápido): ¿Cuánto calor puede almacenar el material por kilogramo?
• Objetivo 2: Costo Mínimo (El Coche Barato): ¿Cuánto cuesta fabricar el material por unidad de energía almacenada?

Generalmente, los mejores materiales de almacenamiento de energía son muy caros, y los baratos no almacenan mucho calor. El equipo quería encontrar la zona "Ricitos de Oro": el mejor equilibrio entre los dos.

El Descubrimiento: Nuevos Ingredientes

Los investigadores probaron una enorme variedad de sales. Aunque ya conocían algunas (como el Sulfato de Magnesio), utilizaron su chef digital para explorar ingredientes que nunca antes se habían probado en cemento: Cloruro de Litio (LiCl), Cloruro de Calcio (CaCl2) y Nitrato de Zinc (Zn(NO3)2).

Esto es lo que encontraron:

• La Potencia (LiCl): La mezcla de Cloruro de Litio fue el "Ferrari" del grupo. Almacenó una cantidad masiva de calor (aproximadamente 458 kJ por kg), superando los récords anteriores basados en cemento por un factor de cinco. Sin embargo, como un Ferrari, era costoso de construir.
• Las Opciones de Valor (CaCl2 y Zn(NO3)2): Estas mezclas fueron los "sedanes confiables". No almacenaron tanto calor como el de Litio, pero eran mucho más baratos de fabricar. Ofrecieron un equilibrio fantástico: buen rendimiento a un precio muy bajo.

Los Resultados

Al utilizar este enfoque inteligente y basado en datos, el equipo no solo encontró una buena receta; encontraron toda una nueva familia de materiales.

• Descubrieron que el cemento (la sustancia de tu entrada de vehículos) es en realidad una gran "esponja" para retener estas sales que almacenan calor, siempre que se obtenga la receta correcta.
• Identificaron una "Frontera de Pareto", que es una forma elegante de decir que encontraron los compromisos absolutos óptimos. No puedes obtener más calor sin pagar más dinero, y no puedes obtener materiales más baratos sin almacenar menos calor. Encontraron los puntos perfectos en esa línea.
• Aunque estos nuevos materiales de cemento-sal no son tan potentes como los materiales de alta tecnología más caros hechos de gel de sílice o vermiculita expandida, son mucho más baratos.

La Conclusión

Este artículo demuestra que no necesitas adivinar tu camino hacia un mejor almacenamiento de energía. Al utilizar un algoritmo informático inteligente para guiar los experimentos, el equipo encontró rápidamente nuevos materiales de bajo costo que almacenan calor de manera eficiente. Es como usar un GPS para encontrar la ruta más rápida a través de un laberinto, en lugar de correr hacia cada callejón sin salida. Estos nuevos compuestos de cemento-sal podrían ser una forma práctica y asequible de almacenar calor de verano para su uso en invierno, ayudándonos a utilizar la energía renovable de manera más efectiva.

Resumen técnico

Resumen Técnico: Optimización Bayesiana de Alto Rendimiento de Compuestos de Hidratos de Sal-Cemento para Almacenamiento de Energía Termoquímica Estacional

Enunciado del Problema
El almacenamiento de energía termoquímica (TCES) basado en hidratos de sal ofrece una solución prometedora para el almacenamiento de calor estacional debido a su alta densidad energética volumétrica y su capacidad para almacenar energía indefinidamente sin pérdidas térmicas. Sin embargo, el despliegue práctico de estos sistemas se ve obstaculizado por el diseño complejo de materiales sorbentes. La formulación de compuestos cemento-sal implica un espacio de diseño combinatorio altamente no lineal, donde el rendimiento depende de variables acopladas: química de la sal, carga de sal, composición del aglomerante y contenido de aditivos. Las estrategias experimentales tradicionales de prueba y error o de un factor a la vez son imprácticas para navegar eficientemente este espacio, ya que una exploración completa requeriría miles de ciclos de síntesis y caracterización durante períodos prolongados. Además, los materiales TCES existentes basados en cemento a menudo sufren de baja energía específica, mientras que las alternativas de alto rendimiento (por ejemplo, matrices de gel de sílice o vermiculita expandida) suelen ser prohibitivas en cuanto a costos. Existe una necesidad crítica de estrategias basadas en datos para acelerar el descubrimiento de compuestos cemento-sal de alto rendimiento y rentables.

Metodología
Los autores desarrollaron un marco experimental impulsado por datos y de alto rendimiento basado en Optimización Bayesiana (BO) para guiar la formulación de compuestos de hidratos de sal-cemento. La metodología integra el diseño experimental adaptativo con la modelización termodinámica:

• Espacio de Diseño: La optimización exploró un espacio de parámetros de cuatro dimensiones definido por:
  1. Tipo de Sal: Una variable categórica que abarca 11 sales hidratadas, incluyendo candidatos comunes (por ejemplo, MgSO₄) y sales poco investigadas (LiCl, CaCl₂, Zn(NO₃)₂).
  2. Concentración de Sal: Definida como la relación de sal disuelta a la solubilidad máxima a 20°C ($s/s_{max}$).
  3. Relación Agua-Cemento ($w/c$): Rango de 0.70 a 1.50.
  4. Relación Aditivo-Cemento ($a/c$): Rango de 0.0 a 30.0 g/kg, utilizando un aditivo anti-asentamiento para mitigar el sangrado.
• Estrategia de Optimización: La campaña utilizó dos pipelines de BO paralelos que apuntaban a objetivos competitivos: maximizar la energía específica ($E_d$) y minimizar el costo de la energía específica (un Indicador Clave de Rendimiento, KPI, económico). El flujo de trabajo empleó modelos sustitutos de Procesos Gaussianos (GP) con núcleos de Función de Base Radial (RBF) y Matérn. Las funciones de adquisición (Probabilidad de Mejora, Mejora Esperada y Límite Inferior de Confianza) equilibraron la exploración y la explotación.
• Protocolo Experimental: Los compuestos se sintetizaron mediante un método in situ donde las sales se disolvieron en agua y se mezclaron con cemento y aditivos. Las muestras se curaron, secaron y granularon. Las isotermas de adsorción de agua de alto rendimiento se midieron a 20°C utilizando un analizador de Sorción de Vapor Dinámico (DVS) capaz de procesar 20 muestras simultáneamente.
• Modelización Termodinámica: Las isotermas experimentales se ajustaron utilizando la ecuación de Dubinin–Astakhov (DA). Utilizando la teoría del potencial de Polanyi, las isotermas se extrapolaron a temperaturas de operación (adsorción a 40°C, desorción a 90°C). La energía específica ($E_d$) se calculó basándose en la variación de la captación del ciclo ($\Delta x_{cycle}$) y el calor isostérico de adsorción ($q_{st}$), derivados mediante la ecuación de Clausius–Clapeyron.

Contribuciones Clave

• Primera Aplicación de BO a TCES Sal-Cemento: Este estudio representa la primera aplicación de la optimización bayesiana al diseño multiobjetivo de compuestos cemento-sal para TCES, demostrando la eficacia del aprendizaje secuencial en un problema de descubrimiento de materiales con múltiples variables y restricciones.
• Expansión del Espacio de Diseño Químico: El estudio investigó sistemáticamente sales (LiCl, CaCl₂, Zn(NO₃)₂) que habían sido exploradas marginalmente o no reportadas previamente en sistemas TCES basados en cemento, yendo más allá del enfoque tradicional en MgSO₄.
• Manejo de Modos de Fallo: El marco incorporó con éxito fallos de síntesis (por ejemplo, deliquescencia, incapacidad de endurecerse) en el bucle de optimización mediante estrategias de penalización, permitiendo que los modelos sustitutos aprendieran los límites de las formulaciones factibles.
• Descubrimiento de Pareto-Óptimo: El enfoque identificó un conjunto de soluciones no dominadas que ofrecen compensaciones óptimas entre alta densidad energética y bajo costo de material, revelando regiones de alto rendimiento distintas en el espacio combinatorio.

Resultados
La campaña guiada por BO identificó con éxito formulaciones óptimas de Pareto basadas en LiCl, CaCl₂ y Zn(NO₃)₂:

• Rendimiento: La formulación de mejor rendimiento, basada en LiCl (LiCl-S1), logró una energía específica de aproximadamente 458 kJ kg⁻¹ (basada en mediciones replicadas). Esto representa una mejora de hasta un factor de cinco en comparación con materiales basados en cemento desarrollados previamente.
• Compensación Costo-Rendimiento: Aunque LiCl-S1 ofreció la mayor densidad energética, conllevó un mayor costo de material. Por el contrario, los compuestos basados en CaCl₂ y Zn(NO₃)₂ (por ejemplo, CaCl₂-S2, Zn(NO₃)₂-S1) exhibieron energías específicas más bajas (150–161 kJ kg⁻¹) pero KPI económicos significativamente más favorables (3.2–7.6 USD kWh⁻¹), ofreciendo una relación costo-rendimiento equilibrada.
• Comparación con la Literatura: Los compuestos optimizados basados en cemento mostraron energías específicas inferiores a los sistemas de gel de sílice o vermiculita expandida de última generación (que pueden superar 1000–2000 kJ kg⁻¹), pero demostraron una viabilidad económica superior debido al bajo costo de la matriz de cemento.
• Repetibilidad: El análisis de re-prueba de las muestras óptimas de Pareto confirmó la robustez del flujo de trabajo de cribado, con desviaciones estándar relativas (RSD) para la energía específica generalmente inferiores al 5%.

Significado y Afirmaciones
El artículo afirma que la optimización bayesiana es una estrategia efectiva para acelerar el descubrimiento de materiales TCES, particularmente en espacios de formulación complejos donde las restricciones de síntesis y las compensaciones multiobjetivo son centrales. El estudio demuestra que los compuestos cemento-sal, cuando se optimizan mediante BO, pueden lograr energías específicas significativamente más altas que las iteraciones anteriores basadas en cemento, lo que los convierte en candidatos atractivos para aplicaciones de almacenamiento estacional donde el costo es una restricción primaria.

Los autores notan modestamente que, si bien la energía específica de sus materiales permanece por debajo de la de matrices porosas de alto rendimiento como el gel de sílice, el equilibrio costo-rendimiento de los compuestos optimizados basados en cemento (particularmente aquellos basados en CaCl₂ y Zn(NO₃)₂) es una ventaja distintiva. El trabajo destaca que la optimización impulsada por datos puede revelar químicas prometedoras y límites de formulación que podrían pasar desapercibidos para el diseño experimental convencional, allanando el camino para un desarrollo más eficiente de soluciones de almacenamiento térmico estacional de bajo costo. Se sugiere que el trabajo futuro se centre en la estabilidad de los ciclos, la cinética de sorción y el refinamiento adicional de aditivos y modificaciones de la matriz.