Há uma atenção crescente sobre as ligações entre a inteligência synthetic e o aumento da procura de energia. Mas embora os centros de dados consumidores de energia que estão a ser construídos para apoiar a IA possam potencialmente sobrecarregar as redes eléctricas, aumentar os preços dos clientes e as interrupções de serviço, e geralmente retardar a transição para a energia limpa, a utilização da inteligência synthetic também pode ajudar a transição energética.
Por exemplo, a utilização da IA está a reduzir o consumo de energia e as emissões associadas em edifícios, transportes e processos industriais. Além disso, a IA está a ajudar a otimizar a conceção e a localização de novas instalações eólicas e solares e de instalações de armazenamento de energia.
Nas redes de energia elétrica, a utilização de algoritmos de IA para controlar as operações está a ajudar a aumentar a eficiência e a reduzir custos, a integrar a quota crescente de energias renováveis e até a prever quando os principais equipamentos necessitam de manutenção para evitar falhas e possíveis apagões. A IA pode ajudar os planejadores da rede a programar investimentos em geração, armazenamento de energia e outras infraestruturas que serão necessárias no futuro. A IA também está ajudando os pesquisadores a descobrir ou projetar novos materiais para reatores nucleares, baterias e eletrolisadores.
Pesquisadores do MIT e de outros lugares estão investigando ativamente aspectos dessas e de outras oportunidades para a IA apoiar a transição para energia limpa. Na sua conferência de investigação de 2025, o MITEI anunciou o Knowledge Middle Energy Discussion boardum esforço de pesquisa direcionado para empresas membros do MITEI interessadas em enfrentar os desafios da demanda de energia dos information facilities.
Controlando operações em tempo actual
Os clientes geralmente dependem de um fornecimento contínuo de eletricidade, e os operadores da rede recebem ajuda da IA para que isso aconteça — ao mesmo tempo que otimizam o armazenamento e a distribuição de energia proveniente de fontes renováveis.
Mas com o aumento da instalação de parques solares e eólicos — ambos fornecendo energia em quantidades menores e de forma intermitente — e a crescente ameaça de eventos climáticos e ataques cibernéticos, garantir a fiabilidade está a tornar-se mais complicado. “É exatamente aí que a IA pode entrar em cena”, explica Anuradha Annaswamy, pesquisadora sênior do Departamento de Engenharia Mecânica do MIT e diretora do Laboratório de Controle Ativo-Adaptivo do MIT. “Essencialmente, é necessário introduzir toda uma infra-estrutura de informação para complementar e complementar a infra-estrutura física.”
A rede elétrica é um sistema complexo que requer um controle meticuloso em escalas de tempo que vão de décadas até microssegundos. O desafio pode ser atribuído às leis básicas da física da potência: o fornecimento de electricidade deve ser igual à procura de electricidade em todos os instantes, ou a produção pode ser interrompida. Nas últimas décadas, os operadores da rede presumiam geralmente que a produção period fixa – podiam contar com a quantidade de electricidade que cada grande central eléctrica produziria – enquanto a procura variava ao longo do tempo de uma forma bastante previsível. Como resultado, os operadores poderiam comissionar centrais eléctricas específicas para funcionar conforme necessário para satisfazer a procura no dia seguinte. Se ocorressem algumas interrupções, unidades especialmente designadas seriam acionadas conforme necessário para compensar o déficit.
Hoje e no futuro, essa correspondência entre oferta e procura ainda deve acontecer, mesmo que o número de fontes de produção pequenas e intermitentes cresça e as perturbações climáticas e outras ameaças à rede aumentem. Os algoritmos de IA fornecem um meio de alcançar o gerenciamento complexo de informações necessárias para prever, em apenas algumas horas, quais usinas deverão funcionar, ao mesmo tempo que garantem que a frequência, a tensão e outras características da energia recebida sejam as necessárias para que a rede funcione adequadamente.
Além disso, a IA pode tornar possíveis novas formas de aumentar a oferta ou diminuir a procura em momentos em que a oferta na rede é escassa. Como aponta Annaswamy, a bateria do seu veículo elétrico (EV), bem como aquela carregada por painéis solares ou turbinas eólicas, pode – quando necessário – servir como fonte de energia additional para alimentar a rede. E, dados os sinais de preços em tempo actual, os proprietários de VE podem optar por mudar a cobrança de um momento em que a procura está no pico e os preços são elevados para um momento em que a procura e, portanto, os preços são mais baixos. Além disso, novos termostatos inteligentes podem ser configurados para permitir que a temperatura interna caia ou suba — uma faixa definida pelo cliente — quando a demanda da rede estiver no pico. E os próprios centros de dados podem ser uma fonte de flexibilidade da procura: cálculos selecionados de IA podem ser adiados conforme necessário para suavizar os picos de procura. Assim, a IA pode proporcionar muitas oportunidades para ajustar a oferta e a procura conforme necessário.
Além disso, a IA possibilita a “manutenção preditiva”. Qualquer tempo de inatividade custa caro para a empresa e ameaça a escassez dos clientes atendidos. Os algoritmos de IA podem coletar dados importantes de desempenho durante a operação regular e, quando as leituras se desviam do regular, o sistema pode alertar os operadores de que algo pode estar errado, dando-lhes an opportunity de intervir. Essa capacidade evita falhas nos equipamentos, reduz a necessidade de inspeções de rotina, aumenta a produtividade dos trabalhadores e prolonga a vida útil dos principais equipamentos.
Annaswamy enfatiza que “Descobrir como arquitetar esta nova rede elétrica com esses componentes de IA exigirá a união de muitos especialistas diferentes.” Ela observa que engenheiros eléctricos, cientistas da computação e economistas energéticos “terão de conviver com reguladores e decisores políticos esclarecidos para garantir que este não é apenas um exercício académico, mas que será realmente implementado. Todas as diferentes partes interessadas têm de aprender umas com as outras. E são necessárias garantias de que nada irá falhar. Não se podem ter apagões”.
Usando IA para ajudar a planejar investimentos em infraestrutura para o futuro
As empresas de rede precisam constantemente de planear a expansão da geração, transmissão, armazenamento e muito mais, e a construção e funcionamento de toda a infraestrutura necessária pode levar muitos anos, em alguns casos mais de uma década. Portanto, eles precisam prever qual infraestrutura precisarão para garantir a confiabilidade no futuro. “É complicado porque é preciso prever com mais de uma década de antecedência o que construir e onde construir”, diz Deepjyoti Deka, cientista pesquisador do MITEI.
Um desafio de antecipar o que será necessário é prever como o sistema futuro funcionará. “Isso está se tornando cada vez mais difícil”, diz Deka, porque mais energias renováveis estão surgindo e substituindo os geradores tradicionais. No passado, os operadores podiam contar com “reservas giratórias”, isto é, gerar capacidade que não está atualmente em uso, mas que poderia ficar on-line em questão de minutos para suprir qualquer deficiência no sistema. A presença de tantos geradores intermitentes – eólicos e solares – significa que há agora menos estabilidade e inércia incorporadas na rede. Para aumentar a complicação, esses geradores intermitentes podem ser construídos por vários fornecedores, e os planejadores da rede podem não ter acesso às equações baseadas na física que governam a operação de cada peça do equipamento em escalas de tempo suficientemente precisas. “Então, você provavelmente não sabe exatamente como isso vai funcionar”, diz Deka.
E depois há o clima. Determinar a confiabilidade de um sistema energético futuro proposto requer saber o que ele enfrentará em termos de clima. A futura rede tem de ser fiável não só nas condições meteorológicas diárias, mas também durante eventos de baixa probabilidade mas de alto risco, como furacões, inundações e incêndios florestais, todos eles cada vez mais frequentes, observa Deka. A IA pode ajudar prevendo tais eventos e até rastreando mudanças nos padrões climáticos devido às mudanças climáticas.
Deka aponta outro benefício menos óbvio da velocidade da análise de IA. Qualquer plano de desenvolvimento de infra-estruturas deve ser revisto e aprovado, muitas vezes por vários órgãos reguladores e outros. Tradicionalmente, um requerente desenvolveria um plano, analisaria os seus impactos e submeteria o plano a um conjunto de revisores. Após fazer quaisquer alterações solicitadas e repetir a análise, o requerente reenviaria uma versão revisada aos revisores para verificar se a nova versão period aceitável. As ferramentas de IA podem acelerar a análise necessária para que o processo avance mais rapidamente. Os planejadores podem até reduzir o número de vezes que uma proposta é rejeitada usando grandes modelos de linguagem para pesquisar publicações regulatórias e resumir o que é importante para a instalação de uma infra-estrutura proposta.
Aproveitar a IA para descobrir e explorar materiais avançados necessários para a transição energética
“O uso de IA para desenvolvimento de materiais está crescendo atualmente”, diz Ju Li, professor de engenharia de energia Carl Richard Soderberg do MIT. Ele observa duas direções principais.
Primeiro, a IA torna possíveis simulações mais rápidas baseadas na física em escala atômica. O resultado é uma melhor compreensão em nível atômico de como a composição, o processamento, a estrutura e a reatividade química se relacionam com o desempenho dos materiais. Esse entendimento fornece regras de design para ajudar a orientar o desenvolvimento e a descoberta de novos materiais para geração, armazenamento e conversão de energia necessários para um futuro sistema energético sustentável.
E em segundo lugar, a IA pode ajudar a orientar experimentos em tempo actual à medida que ocorrem no laboratório. Li explica: “A IA ajuda-nos a escolher a melhor experiência a fazer com base nas nossas experiências anteriores e – com base em pesquisas bibliográficas – faz hipóteses e sugere novas experiências”.
Ele descreve o que acontece em seu próprio laboratório. Os cientistas humanos interagem com um grande modelo de linguagem, que então faz sugestões sobre quais experimentos específicos fazer a seguir. O pesquisador humano aceita ou modifica a sugestão, e um braço robótico responde configurando e executando o próximo passo na sequência experimental, sintetizando o materials, testando o desempenho e obtendo imagens de amostras quando apropriado. Com base numa mistura de conhecimento da literatura, intuição humana e resultados experimentais anteriores, a IA coordena assim a aprendizagem activa que equilibra os objectivos de redução da incerteza com a melhoria do desempenho. E, como salienta Li, “a IA leu muito mais livros e artigos do que qualquer ser humano consegue ler e, portanto, é naturalmente mais interdisciplinar”.
O resultado, diz Li, é tanto um melhor design dos experimentos quanto a aceleração do “fluxo de trabalho”. Tradicionalmente, o processo de desenvolvimento de novos materiais tem exigido sintetizar os precursores, fabricar o materials, testar seu desempenho e caracterizar a estrutura, fazer ajustes e repetir a mesma série de etapas. A orientação da IA acelera esse processo, “ajudando-nos a projetar experimentos críticos e baratos que podem nos fornecer a quantidade máxima de suggestions de informações”, diz Li.
“Ter esta capacidade certamente acelerará a descoberta de materiais, e isso pode ser o que realmente pode nos ajudar na transição para energia limpa”, conclui. “A IA (tem potencial para) lubrificar o processo de descoberta e otimização de materiais, talvez encurtando-o de décadas, como no passado, para apenas alguns anos.”
Contribuições do MITEI
No MIT, os investigadores estão a trabalhar em vários aspectos das oportunidades descritas acima. Em projetos apoiados pelo MITEI, as equipas estão a utilizar a IA para modelar e prever melhor as perturbações nos fluxos de plasma dentro dos reatores de fusão — uma necessidade para alcançar a geração prática de energia de fusão. Outras equipas apoiadas pelo MITEI estão a utilizar ferramentas alimentadas por IA para interpretar regulamentos, dados climáticos e mapas de infraestruturas, a fim de alcançar um planeamento da rede elétrica mais rápido e mais adaptável. O desenvolvimento de materiais avançados guiado por IA continua, com um projeto MITEI usando IA para otimizar células solares e materiais termoelétricos.
Outros investigadores do MITEI estão a desenvolver robôs que podem aprender tarefas de manutenção com base no suggestions humano, incluindo intervenção física e instruções verbais. O objetivo é reduzir custos, melhorar a segurança e acelerar a implantação da infraestrutura de energia renovável. E o trabalho financiado pelo MITEI continua no sentido de reduzir a procura de energia dos centros de dados, desde a concepção de chips de computador e algoritmos de computação mais eficientes até repensar o projecto arquitectónico dos edifícios, por exemplo, para aumentar o fluxo de ar de modo a reduzir a necessidade de ar condicionado.
Além de fornecer liderança e financiamento para muitos projectos de investigação, o MITEI actua como organizador, reunindo as partes interessadas para considerar problemas comuns e soluções potenciais. Em maio de 2025, o simpósio anual da primavera do MITEI — intitulado “IA e energia: perigo e promessa” — reuniu especialistas em IA e energia do meio académico, da indústria, do governo e de organizações sem fins lucrativos para explorar a IA como um problema e uma solução potencial para a transição para a energia limpa. No ultimate do simpósio, William H. Inexperienced, diretor do MITEI e professor Hoyt C. Hottel no Departamento de Engenharia Química do MIT, observou: “O desafio de satisfazer a procura de energia dos centros de dados e de desbloquear os benefícios potenciais da IA para a transição energética é agora uma prioridade de investigação para o MITEI”.