El helio-3 (He-3) es un isótopo (un tipo de átomo) que proviene principalmente del viento solar. Porque en la Tierra, protegido por su atmósfera y su campo magnético, es un recurso muy especial. Por otro lado, la Luna acumula en su superficie una vasta reserva de material del que todavía sólo se extrae un gramo, pero es con el objetivo de explotar su potencial energético lunar: podría utilizarlo como combustible en una fusión nuclear. reactores, además de ayudar a impulsar la industria de la computación cuántica.
Según datos del programa Apolo, combinados con los de la Agencia Espacial India, el satélite alcanzó el millón de toneladas. En cuanto a su rendimiento, las estimaciones han desaparecido, y algunos dicen que 25 toneladas cubrirían las necesidades energéticas de Estados Unidos durante un año. Es más, es la misma cantidad que nutriría de esplendor a la ciudad de Madrid.
entre lunas es una startup cofundada por dos fundadores de Blue Origin, la empresa espacial creada por el magnate Jeff Bezos, con la colaboración de Harrison H. Schmitt, astronauta de Apolo 17. Aspiro a ser la primera empresa minera de oro lunar, en una nueva versión de la carrera espacial donde compiten agencias como China, que fue la descubridora del Helio-3 en satélite. Interlune garantiza que próximamente se lanzará una misión robótica para demostrar la viabilidad de su tecnología extractiva en una planta piloto. Lo que aprendí a hacer, como anuncia esta década, es otra canción.
Un cambio de paradigma energético
Sea cual sea la agencia inmobiliaria o empresa privada que le interese, la IA jugará un papel clave en la mejora de los procesos de extracción, manipulación, transferencia y utilización del helio-3 como fuente de energía sostenible, además de en la supervisión y mantenimiento de las instalaciones lunares. . “Necesitamos un documento relevante antes de la fusión, pero para obtenerlo necesitamos controlar muchos procesos físicos que aún no están completamente controlados”, explica Antonio Prieto, Head of AI & Data in Energy de Accenture. Se utiliza, por ejemplo, para predecir inestabilidades en el plasma, es decir, en el gas, a veces a temperaturas de varios millones de grados, para reproducir la fusión de los núcleos atómicos resultante de la forma natural del suelo. La IA ayudaría a diseñar medidas preventivas para mantener más controlado este plasma.
Estamos hablando de un sistema de generación que cambiaría el paradigma energético, pero aún no le hemos dado una oportunidad a este sistema. Otros, más modestos, han propuesto alternativas como el generador magnético asistido por IA, cuyo funcionamiento, según la empresa en desarrollo en la COP28 (Conferencia de las Partes en 2023) en Dubai, no produciría emisiones y no lo haría. Necesita combustible fósil.
Frente a estas promesas, las proyecciones realistas de la IA avanzan desde un presente tangible. Por ejemplo, la capacidad de predecir la oferta, la demanda e incluso cortes en las redes, gracias a algoritmos que calculan cuándo puede romperse un cable de alta tensión y facilitan su reparación o sustitución. Para registrarlo procesamos datos históricos y actuales sobre el estado físico del cable, imágenes meteorológicas o de drones sobre la cantidad de árboles circundantes, que son una de las principales causas de los apagones.
De hecho, según la consultora Indigo Advisory, la IA permite que más de cinco usos posibles en el sector energético y que más de cinco proveedores en el mundo empleen analistas y supervisores del consumo para optimizarlo, gestionar redes inteligentes y anticiparse así a la demanda de electricidad como la producción eólica y fotovoltaica, mejorar la carga y descarga de baterías, la búsqueda de reservas de hidrocarburos o la seguridad de las instalaciones nucleares en los sistemas.
La IA podría desempeñar un papel clave en los procesos de extracción, manipulación y uso del helio-3 lunar como combustible en reactores de fusión, aunque todavía existe posibilidad para las tecnologías nuclear y espacial.
“Los algoritmos de aprendizaje automático están revolucionando la industria energética impulsando la digitalización”, explica Eduardo González, responsable de energía y recursos naturales de KPMG en España. Si esta versión predictiva ya ha sido desvelada, la IA generativa (GenIA), que enseña a los usuarios a producir nuevos contenidos, promete “una revolución con impactos muy relevantes en toda la cadena de valor”, vaticina Prieto. Según Accenture, el 38% de las tareas de las empresas energéticas estarán de alguna manera relacionadas con este GenIA.
“Antes de encontrar un hallazgo, los ingenieros y el personal técnico recibieron recomendaciones sobre la causa de la falla y los pasos a seguir para la reparación, incluida la visualización de piezas y la escritura automática de órdenes de trabajo. “También sugerimos qué otras instalaciones podrían verse afectadas”, mantiene Prieto.
El sector busca nuevas herramientas que aporten eficiencia y capacidad predictiva ante la creciente demanda y dispositivos conectados, como puntos de recarga de vehículos o bombas de calor, en una economía que se electrifica para reducir emisiones. Si antes las redes dirigían la energía desde centrales eléctricas centralizadas, ahora «sistemas cada vez más complejos» deben gestionar flujos multidireccionales entre kilómetros de generadores, la red y los usuarios, afirma Vida Rozite, analista de políticas energéticas de la Agencia Internacional de Energía. Energía (AIE).
“El mundo avanza hacia una distribución más descentralizada”, añade Francisco Boshell, responsable de innovación de la Agencia Internacional de Energías Renovables (Irena). Y hace una generación más renovable: el 42,5% del consumo total de la Unión Europea, por ejemplo, debe garantizar fuentes limpias de aquí a 2030, un objetivo que necesita para prever con precisión la oferta y la demanda, prevenir averías y evitar interrupciones.
En este escenario, las tecnologías clave, según el experto de Irena, son el Internet de las cosas para recopilar y transferir datos, los libros de contabilidad distribuidos como cadena de bloques para garantizar transacciones económicas seguras y rápidas, y sistemas de inteligencia artificial para tomar decisiones rápidas y automáticas.
Uso predictivo
Por su parte, Google y su filial DeepMind desarrollaron una red neuronal que predijo la producción futura de su flota eólica renovable con hasta 36 horas de antelación. «La variabilidad del viento no se puede eliminar, pero nuestros resultados iniciales sugieren que podemos utilizar el aprendizaje automático para hacer que la energía eólica sea lo suficientemente predecible y valiosa».
La IA también se está abriendo camino en empresas de hidrocarburos como Cepsa, una de las primeras en utilizar las soluciones de Amazon Lookout for Equipment. Este sistema recibe datos de sensores (presión, caudal, temperatura y potencia) de equipos industriales de dos grandes refinerías españolas y entrena un modelo único de aprendizaje automático para predecir caídas de máquinas. “Utilizamos la IA en la práctica en todas nuestras unidades de negocio, desde el sector industrial hasta las gasolineras”, asegura David Villaseca, director digital de la compañía.
Además de la previsión meteorológica a medio y largo plazo y el mantenimiento predictivo de aerogeneradores, Iberdrola utiliza robots y drones de inspección con sensores y sistemas de inteligencia artificial, así como herramientas de anticipación de la demanda y asistentes domésticos para alertar sobre puntos de consumo excesivo.
Sostenible, insostenible o una cosa u otra
El uso de aplicaciones de IA influye en la propia demanda. Según la Agencia Internacional de Energía (AIE), el consumo mundial de electricidad en los centros de datos, donde a menudo se realizan cálculos para los sistemas de IA, aumentó de 200 TWh en 2015 a 240 y 340 en 2022, lo que equivale al 1% o 1,3% de Demanda final mundial de electricidad. Sin embargo, “según este uso total, es probable que el aprendizaje automático tenga al menos cuatro partes”, afirma Vida Rozite, analista de Política Energética de la AIE.
Este experto señala la dificultad de medir la contribución exacta de la IA a la demanda eléctrica global y hay información con conclusiones dispares. Para Alex De Vries, creador de la plataforma Digiconomist, su demanda de recursos (no sólo energía, sino también agua para enfriar los servidores) conmocionó la perspectiva sostenible. Dada la paradoja de que las soluciones de eficiencia energética más extendidas dependen de la IA, estos avances “pueden reducir un efecto de arrastre al aumentar el uso de recursos en lugar de reducirlo”, afirma.
Según Irene Unceta, profesora del Departamento de Operaciones, Innovación y Ciencia de Datos y directora académica del Grado en Inteligencia Artificial para la Empresa (BAIB), de Esade, “la IA puede ayudar a mitigar los efectos del cambio climático o incluso a adaptarse a sus efectos”. consecuencias. «. Mais malgré tout cela, nous avons à chaque fois de plus en plus d’indices indiquant qu’il n’existe pas nécessairement une technologie durable en elle-même, « et non pas à cause de l’utilisation brutale des ressources » . Pour Rozite, contrôler cet effet pas à pas en accélérant la diffusion des énergies renouvelables et d’autres solutions énergétiques à faible teneur en carbone : « Ainsi, l’impact de la demande d’énergie numérique se réduira à mesure que l’industrie se desarrolla «.