A Torino

Materiali per l’energia, il Politecnico scopre nuovi composti con l’Ai

Il risultato è una riduzione drastica dei tempi di analisi e un ampliamento delle conoscenze

di Michelangelo Bonessa

POLITECNICO TORINO UNIVERSITA' STATALE CORSO CORSI DI STUDI FACOLTA' SEDE

3' di lettura

English Version

3' di lettura

English Version

Un gruppo di ricercatori del Politecnico di Torino ha sviluppato un protocollo innovativo basato sull’ intelligenza artificiale capace di individuare, tra centinaia di migliaia di materiali teoricamente stabili ma ancora inesplorati, quelli più promettenti per le applicazioni energetiche.

Il protocollo utilizza un approccio in due fasi: la prima consiste in un sistema di “esperti artificiali” che - votando a maggioranza - identificano i composti con maggiori probabilità di possedere proprietà utili per applicazioni energetiche; successivamente, altri modelli opportunamente addestrati ne stimano con precisione i parametri chiave.

Loading...

Il protocollo è stato presentato in uno studio, pubblicato sulla rivista Energy and AI, che introduce Energy-GNoME, il primo database “evolutivo” che integra algoritmi di machine learning con i dati del progetto GNoME (Graph Networks for Materials Exploration), realizzato da Google DeepMind.

Il progetto GNoME ha messo a disposizione della comunità scientifica un archivio senza precedenti: migliaia di materiali mai studiati prima, individuati grazie a tecniche di intelligenza artificiale generativa. Tuttavia, questi materiali non erano stati ancora caratterizzati, cioè non ne erano note le possibili applicazioni tecnologiche. Energy-GNoME nasce per colmare questo vuoto, selezionando e classificando le strutture più adatte all’accumulo, alla conversione e al trasporto dell’energia.

Il protocollo è frutto del lavoro di Paolo De Angelis, Giulio Barletta, Giovanni Trezza, Pietro Asinari ed Eliodoro Chiavazzo, del laboratorio SMaLL (Smart Materials and Living Lab) presso il Dipartimento Energia del Politecnico. Il risultato è una riduzione drastica dei tempi di analisi e un ampliamento della base di conoscenza utile per il settore energetico. «Con Energy-GNoME – spiega Paolo De Angelis, primo autore dello studio – abbiamo voluto dimostrare come l’intelligenza artificiale possa essere non solo uno strumento di analisi, ma un vero acceleratore della scoperta scientifica. L’obiettivo è passare da una generazione casuale di materiali a una ricerca orientata alla funzionalità ingegneristica, perché un cristallo è solo un composto chimico: è la sua funzione che lo trasforma in un materiale utile».

Il carattere “evolutivo” del database rappresenta uno degli aspetti più innovativi del progetto. Attraverso una libreria Python open-source e linee guida pubblicate su GitHub, la comunità scientifica può contribuire con nuovi dati sperimentali o teorici, migliorando costantemente la precisione dei modelli predittivi.

«In questo modo – spiegano Giulio Barletta e Giovanni Trezza – la piattaforma non è un archivio statico, ma un sistema in continua crescita che apprende e si adatta ai nuovi contributi della ricerca».

Il progetto rappresenta un passo avanti nella modellazione dei materiali per l’energia.

«Energy-GNoME unisce le competenze sperimentali, teoriche e computazionali – aggiunge Pietro Asinari – offrendo una conoscenza sintetizzata e accessibile, pronta per essere utilizzata da comunità scientifiche e industriali diverse».

La metodologia potrà essere applicata anche ad altri campi tecnologici, come l’elettronica avanzata, la biomedicina, le tecnologie quantistiche e i materiali per la sostenibilità ambientale. «Il nostro contributo – sottolinea Eliodoro Chiavazzo, coordinatore della ricerca – è duplice: da un lato rendiamo disponibili nuovi materiali potenzialmente strategici per l’energia; dall’altro forniamo un modello metodologico scalabile, applicabile a molte discipline scientifiche. Energy-GNoME è più di un database: è una mappa che orienta la ricerca verso i materiali del futuro».

Il lavoro del Politecnico di Torino si inserisce in un quadro più ampio di ricerca internazionale sull’uso dell’intelligenza artificiale per la scienza dei materiali. A livello globale, l’approccio AI-driven sta diventando un alleato cruciale per accelerare la transizione energetica, riducendo i tempi di sviluppo di nuovi composti da anni a settimane.

Riproduzione riservata ©
Loading...

Brand connect

Loading...

Newsletter

Notizie e approfondimenti sugli avvenimenti politici, economici e finanziari.

Iscriviti