di Paolo Travisi
Prima applicazione dell’apprendimento sequenziale alla fotocatalisi per i “solar fuels”
Ridurre le emissioni di CO2 nell’atmosfera, grazie all’intelligenza artificiale, applicata per sviluppare sistemi più efficienti di combustibili solari. Il contrasto al cambiamento climatico passa anche attraverso l’impiego della tecnologia più spinta, l’AI, per trovare soluzioni più rapide ed ottimizzate ad un problema globale ed urgente, il climate change.
Dal Politecnico di Torino, un team di ricerca, coordinato da Eliodoro Chiavazzo, docente di fisica tecnica industriale e direttore dello Small Lab – gruppo di ricerca ingegneristica avviato al Politecnico con l’obiettivo di proporre e promuovere soluzioni innovative legate al settore energetico – ha guidato lo studio internazionale che ha coinvolto anche l’Università di Cambridge e di Uppsala, in Svezia, dimostrando come il ricorso all’intelligenza artificiale possa cambiare le carte in tavola.
Come migliorare la produzione di carburanti solari con l’AI
Se, infatti, l’obiettivo è fare presto, ma fare bene, il procedimento studiato e pubblicato sulla prestigiosa rivista Journal of American Chemical Society, dimostra come sia possibile migliorare l’attuale produzione di combustibili solari, ottenendo un duplice vantaggio: produzione di energia ottenuta catturando CO2 in atmosfera, sfruttando l’energia solare, azione che consente di attivare un importante processo di economia circolare, perché da un lato riduce le emissioni di CO2 e dall’altro la trasforma in una nuova risorsa energetica, creando una catena di valore altamente sostenibile.
Ma in che modo l’Intelligenza Artificiale ha aiutato il gruppo di scienziati? Il gruppo, capitanato dagli italiani del Politecnico di Torino, ha messo a punto una particolare tecnica denominata apprendimento sequenziale, in grado di guidare, per così dire, alcuni esperimenti, concentrandosi in particolare sulla produzione di monossido di carbonio (CO), elemento utile anche nella produzione di combustibili più comuni.
“L’apprendimento sequenziale è un approccio in cui un modello apprende continuamente da nuovi dati che gli vengono forniti, e risulta particolarmente utile in contesti in cui i dati non sono disponibili tutti in una volta, ma vengono raccolti progressivamente – spiega il professor Eliodoro Chiavazzo – I modelli quindi, imparano da un primo set di pochi esperimenti e sono in grado di fornire indicazioni su quali esperimenti conviene svolgere successivamente. Per il sistema in oggetto, i modelli proposti hanno consentito di ottimizzare la produzione di combustibile solare in soli 100 esperimenti”. Il vantaggio, come raccontato dal professore del politecnico torinese, è evidente: appena 100 esperimenti contro i 100mila che sarebbero stati necessari senza l’ausilio dell’intelligenza artificiale. Il risparmio temporale, ma soprattutto dei costi è considerevole.
L’esperimento italiano
Ed ora veniamo al tipo di esperimento che è stato condotto, basato su un processo foto-chimico, in cui una preparazione fatta di acqua, tensioattivi e particolari molecole funzionalizzanti in contatto con la CO2 venendo esposta alla luce del sole, ha come effetto di trasformazione, la conversione delle molecole di anidride carbonica, in combustibile per l’appunto. Il procedimento, tutt’altro che semplice, ha richiesto una lunga serie di esperimenti in cui di volta in volta venivano sviluppate diverse composizioni e diverse concentrazioni dei costituenti chimici, fino all’ottenimento di un procedimento ottimale. Procedimento, dove l’intelligenza artificiale ha fatto la differenza.
“Il sistema considerato per la riduzione della CO2 è molto innovativo, perché sfrutta l’auto-assemblamento dei tensioattivi e delle molecole funzionalizzanti in aggregati molecolari chiamati micelle foto-catalitiche, che possono migliorare di molto la conversione della CO2 in combustibile”, ha evidenziato Luca Bergamasco, altro scienziato italiano che ha preso parte allo studio del Politecnico di Torino, convinto che “l’AI applicata ad un sistema così complesso, abbia aggiunto un ulteriore elemento di valore all’approccio, consentendo di dimostrarne a pieno le enormi potenzialità”.
Attualmente queste tecniche di apprendimento sequenziale di intelligenza artificiale sono ancora poco sfruttate, soprattutto in ambito chimico, infatti, lo studio coordinato dal team italiano, rappresenta il primo tentativo di applicarle ad un sistema foto-catalitico per lo sviluppo di combustibili solari, con ripercussioni possibili anche in altre applicazioni collegate alla conversione ed accumulo di energia.