Combustibili solari: una soluzione molto congeniale a livello ambientale, dato che permettono di ridurre le emissioni di CO2 e combattere il cambiamento climatico. Ma ancora oggi non semplice da mettere in produzione. Per questo, stando all’ultima ricerca condotta da un team del Politecnico di Torino, l’intelligenza artificiale può fare la differenza, soprattutto sul piano produttivo.
Intelligenza artificiale e combustibili solari: lo studio del Politecnico di Torino
Guidato dal professor Eliodoro Chiavazzo, Ordinario di Fisica Tecnica Industriale e direttore dello SMaLL lab presso il Dipartimento Energia-DENERG, questo team di ricerca ha raggiunto un traguardo significativo nella produzione di combustibili solari grazie all’uso di tecniche di Intelligenza Artificiale.
Per la cronaca, i combustibili solari sono fonti energetiche rinnovabili ottenute dalla conversione della CO2 utilizzando l’energia solare. Questa tecnologia rappresenta una soluzione promettente per la riduzione dell’anidride carbonica in atmosfera, offrendo al contempo la possibilità di riutilizzarla per produrre risorse energetiche utili.
L’apprendimento sequenziale dell’AI
Il nuovo studio, pubblicato sulla prestigiosa rivista Journal of American Chemical Society, dimostra come l’Intelligenza Artificiale, in particolare la tecnica di Apprendimento Sequenziale, possa migliorare significativamente l’efficienza della produzione di questi combustibili.
Per saperne di più: Intelligenza artificiale: cos’è e come funziona, tutto sulla AI
Che cos’è l‘apprendimento sequenziale? Lo spiega il professor Chiavazzo:
“L’apprendimento sequenziale è un approccio in cui un modello apprende continuamente dai nuovi dati che gli vengono forniti, risultando particolarmente utile in contesti dove i dati non sono disponibili tutti in una volta ma vengono raccolti progressivamente”.
In pratica questo metodo permette ai modelli di imparare da un primo set di pochi esperimenti, fornendo poi indicazioni su quali esperimenti svolgere successivamente. Questo approccio ha permesso di ottimizzare la produzione di combustibili solari con soli 100 esperimenti, contro i 100.000 teoricamente necessari.
Come funziona il sistema di produzione
Oltre all’AI, centrale in questo studio è il sistema di produzione selezionato, che si basa su un processo foto-chimico in cui una preparazione a base di acqua, tensioattivi e molecole funzionalizzanti a contatto con la CO2, viene esposta alla luce solare, attivando la conversione delle molecole di anidride carbonica in combustibile, specificamente monossido di carbonio (CO).
Data la complessità del sistema, la sua ottimizzazione richiede un elevato numero di esperimenti e analisi in condizioni diverse, nonché altrettante diverse composizioni e concentrazioni dei costituenti chimici.
Ed è proprio in questa fase che entra in gioco l’intelligenza artificiale, con “due dei più recenti modelli di apprendimento sequenziale oggi a disposizione“, come ha commentato uno dei ricercatori, Giovanni Trezza. Proprio questi modelli hanno permesso di identificare uno dei parametri chiave che regola il sistema foto-chimico sopracitato, altrimenti molto difficile da individuare.
Concludono gli autori dello studio:
“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”.
Per saperne di più su questo studio, consigliamo la lettura del paper pubblicato su Journal of American Chemical Society:
Shannon A. Bonke, Giovanni Trezza, Luca Bergamasco, Hongwei Song, Santiago Rodríguez-Jiménez, Leif Hammarström, Eliodoro Chiavazzo, and Erwin Reisner, Multi-Variable Multi-Metric Optimization of Self-Assembled Photocatalytic CO2 Reduction Performance Using Machine Learning Algorithms, (2024), doi.org/10.1021/jacs.4c01305.
