UN team di ricercatori del Politecnico di Torino, coordinato da Professor Eliodoro Chiavazzo – Professore ordinario di Fisica Tecnica Industriale e direttore del laboratorio SMaLL presso il Dipartimento di Energia-DENERG – e composto da Luca Bergamasco e Giovanni Trezza – Ricercatore e dottorando rispettivamente presso il Dipartimento di Energia – con la collaborazione dei gruppi di ricerca dell’ Il professor Erwin Reisner dell’Università di Cambridge (Gran Bretagna) e di Professor Leif Hammarström dell’Università di Uppsala (Svezia), dimostrato come alcuni Tecniche di Intelligenza Artificiale può essere utilizzato per accelerare i tempi di sviluppo sistemi di produzione di combustibile solare.
Il processo studiato rappresenta un significativo passo avanti nella produzione di combustibili solari – fonti di energia rinnovabile ottenuto a partire da CO2 utilizzando l’energia solare – fondamentale per ridurre le emissioni di CO2 nell’atmosfera e quindi contribuire a lotta contro il cambiamento climatico. Il nuovo studio, appena pubblicato sulla prestigiosa rivista Giornale dell’American Chemical Societydimostra come sia possibile migliorare quella attuale produzione di combustibili solari facendo uso di‘Intelligenza artificialeed in particolare della tecnica denominata Apprendimento sequenziale. Ciò che suscita l’interesse dei ricercatori sono infatti le potenzialità dell’ combustibili solari, capace di ridurre l’anidride carbonica nell’atmosfera e allo stesso tempo riutilizzarlo per produrre risorse utili. UN fonte rinnovabile particolarmente promettente, la cui valorizzazione potrebbe contribuire ad affrontare quella attuale crisi climatica e costruire un futuro più sostenibile.
Concentrandosi in particolare su produzione di monossido di carbonio (CO). – un combustibile utile anche come precursore per produzione di altri combustibili più comuni, a partire dalla CO2 – il team di ricercatori ha dimostrato come alcuni Tecniche di Intelligenza Artificiale possono essere utilizzati per “guidare” gli esperimenti, accelerando così i tempi di sviluppo e migliorando sensibilmente i processi produzione di combustibili solari. Il sistema in studio si basa su un processo fotochimico, in cui un preparato costituito da acqua, tensioattivi e opportune molecole funzionalizzanti, a contatto con la CO2, viene esposto alla luce solare, attivando la conversione delle molecole di anidride carbonica in carburante. Data la complessità del sistema, la sua ottimizzazione richiede un gran numero di esperimenti e analisi in diverse condizioni – ad esempio, diverse composizioni e diverse concentrazioni di costituenti chimici.
“L‘apprendimento sequenziale si tratta di un approccio in cui un modello impara continuamente dai nuovi dati che gli vengono forniti, ed è 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 insieme iniziale di pochi esperimenti, e sono in grado di fornire indicazioni su quali esperimenti dovrebbero essere condotti successivamente. Per il sistema in questione, i modelli proposti hanno consentito di ottimizzare la produzione di combustibile solare in soli 100 esperimenti rispetto ai 100.000 teoricamente necessari”. “Per questo lavoro abbiamo utilizzato due dei più recenti modelli di apprendimento sequenziale oggi disponibili, coordinandoci con i ricercatori dell’Università di Cambridge per effettuare gli esperimenti e analizzare i risultati – commenta Giovanni Trezza – Lo studio ha permesso di individuare uno dei parametri chiave che regolano il sistema fotochimico considerato, altrimenti molto difficile da individuare”.
“Il sistema considerato per il Riduzione della CO2 è di per sé molto innovativo, perché sfrutta l’autoassemblaggio di tensioattivi e molecole funzionalizzanti in aggregati molecolari chiamati “micelle fotocatalitiche” – aggiunge Luca Bergamasco – che può migliorare notevolmente il conversione della CO2 in carburante. Il fatto di aver applicato lintelligenza artificiale a un sistema così complesso ha quindi aggiunto un ulteriore elemento di valore all’approccio, permettendogli di dimostrare appieno le sue enormi potenzialità”.
“Ad oggi le tecniche di apprendimento sequenziale sono ancora relativamente poco sfruttate, soprattutto in campo chimico; questo lavoro, in particolare, rappresenta il primo tentativo di applicarli a un essere umanosistema fotocatalitico complesso quanto quello considerato – concludono gli autori dello studio – La ricerca sull’applicazione di queste tecniche continua nel campo dei combustibili solari ma non solo, anche per altre applicazioni nel campo dell’ conversione e stoccaggio dell’energia”.
