Intelligenza artificiale per il Cambiamento climatico – Il Nuovo Terraglio

A Torino il progresso non si fa attendere: un team di ricercatori combina l’IA con i combustibili solari per combattere la crisi climatica.

TORINO – Le potenzialità dei combustibili solari, capaci di ridurre l’anidride carbonica in atmosfera e allo stesso tempo di riutilizzarla per produrre risorse utili, hanno suscitato l’interesse di un team di ricercatori del Politecnico di Torino

Questa fonte rinnovabile particolarmente promettente, che potrebbe fronteggiare l’attuale crisi climatica (riducendo le emissioni di CO2 in atmosfera) e costruire un futuro più sostenibile, è alla base della dimostrazione di come alcune tecniche di Intelligenza Artificiale possano essere utilizzate per “guidare” gli esperimenti, accelerando quindi i tempi di sviluppo e migliorando notevolmente i procedimenti di produzione dei combustibili solari. 

Il nuovo studio, appena pubblicato sulla prestigiosa rivista Journal of American Chemical Society, dimostra come sia possibile, basandosi principalmente sul Monossido di Carbonico (CO), migliorare l’attuale produzione di combustibili solari avvalendosi dell’Intelligenza Artificiale, e in particolare della tecnica denominata Apprendimento Sequenziale.

Procedimenti e spiegazioni

Lo studio si sviluppa su un processo foto-chimico, nel quale una preparazione acquosa, tensioattivi e opportune molecole funzionalizzanti in contatto con la CO2 si espongono alla luce solare, attivando la conversione delle molecole di anidride carbonica in combustibile. Data la complessità del sistema, la sua ottimizzazione richiede un elevato numero di esperimenti e analisi in condizioni diverse.

I ricercatori interessati spiegano: “L’apprendimento sequenziale è un approccio in cui un modello apprende continuamente da nuovi dati che gli vengono forniti. I modelli quindi sono in grado di fornire indicazioni su quali esperimenti conviene svolgere successivamente”.

“Lo studio ha permesso, grazie alla collaborazione di molte unità, di identificare uno dei parametri chiave che regola il sistema foto-chimico considerato, altrimenti molto difficile da individuare”.

“Il sistema considerato per la riduzione della CO2 è di per sé 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. Il fatto di aver applicato l’intelligenza artificiale ad un sistema così complesso, ha quindi aggiunto un ulteriore elemento di valore all’approccio, consentendo di dimostrarne a pieno le enormi potenzialità”.

“Ad oggi, le tecniche di apprendimento sequenziale sono ancora relativamente poco sfruttate, soprattutto in ambito chimico; questo lavoro, in particolare, rappresenta il primo tentativo di applicarle ad un sistema foto-catalitico così complesso come quello considerato. La ricerca sull’applicazione di queste tecniche prosegue nell’ambito dei combustibili solari ma non solo, anche per altre applicazioni nel campo della conversione e dell’accumulo di energia”.

Il team di ricercatori

Questo promettente team è coordinato dal professor Eliodoro Chiavazzo, ordinario di Fisica Tecnica Industriale e direttore dello SMaLL lab al Dipartimento Energia-DENERG, composto da Luca Bergamasco e Giovanni Trezza, rispettivamente Ricercatore e Dottorando presso il Dipartimento Energia e vede la collaborazione dei gruppi di ricerca del professor Erwin Reisner dell’Università di Cambridge (Gran Bretagna) e del professor Leif Hammarström dell’Università di Uppsala (Svezia).