L’ingegneria energetica e la scienza dei materiali sono decisivi per la lotta ai cambiamenti climatici, perché mirano a migliorare l’efficienza nell’utilizzo delle fonti rinnovabili. Uno dei limiti di queste ultime, infatti, è la loro disponibilità intermittente e in tal senso i sistemi di accumulo di energia risultano tecnologie fondamentali per la raccolta e stoccaggio dell’energia e sua messa a disposizione indipendentemente dalla disponibilità della fonte.
Su questo argomento uno studio condotto dal team di ricerca del Politecnico di Torino composto da Giovanni Trezza, Luca Bergamasco, Matteo Fasano ed Eliodoro Chiavazzo del laboratorio SMaLL – presso il Dipartimento Energia-DENERG – è stato pubblicato sulla prestigiosa rivista scientifica Nature npj Computational Materials*.
Il lavoro dei ricercatori del Politecnico mostra come algoritmi di Intelligenza Artificiale possono essere sfruttati, attraverso tecniche conosciute come high-throughput computational screening (analisi intensiva computazionale), per generare un’enorme quantità di nuovi possibili materiali innovativi dalle inedite caratteristiche e opportunità per l’ingegneria energetica. In tal modo si sviluppano metodologie sempre più efficienti e veloci per una “selezione” mirata dei materiali più promettenti data una certa applicazione, come appunto lo stoccaggio dell’energia. Nello specifico, gli algoritmi sono stati allenati su un ampio insieme di nuovi ipotetici materiali potenzialmente adatti all’accumulo dell’energia termica. Tali materiali, denominati reticoli metallorganici (MOF), presentano una struttura cristallina – simile a una gabbia – in grado di “intrappolare” altre molecole, e quindi la loro energia. La ricerca si è quindi focalizzata sullo sviluppo di una tecnica per scegliere i migliori materiali che massimizzano il calore, quando intrappolano l’acqua.
Lo studio si rivela molto importante proprio perché la scienza dei materiali si sta sempre più orientando verso l’analisi automatica di una grande mole di nuovi e “ipotetici” materiali, con nuove o migliorate proprietà rispetto a quelli già disponibili. Questo viene reso possibile grazie alla continua evoluzione dei sistemi informatici e tecnologici. Infatti, il continuo miglioramento delle prestazioni dei sistemi computazionali consente di risolvere modelli sempre più sofisticati, e di farlo per un grande numero di materiali diversi, fino a centinaia di migliaia di nuovi “ipotetici” materiali, che per poter essere testati nella pratica richiederebbero diversi anni e ingenti risorse economiche.
“Scegliere il materiale ottimale per una certa applicazione è un’esigenza comune a molti ambiti ingegneristici. In questo lavoro, abbiamo considerato oltre 5000 MOF ipotetici, calcolando, per mezzo di dati parziali di letteratura e opportuni modelli sviluppati ad-hoc, le prestazioni energetiche che avrebbero in esercizio – spiega Giovanni Trezza, primo autore della ricerca – Riuscire a prevedere in anticipo le prestazioni di questi composti consente di fare un primo e necessario screening su quali sarebbe interessante riprodurre in laboratorio e poi nella pratica industriale o civile. Inoltre, tramite tecniche di intelligenza artificiale, abbiamo identificato le caratteristiche chimiche più rilevanti ai fini energetici. Queste ultime possono essere impiegate per l’ottimizzazione sequenziale dei materiali. Ad esempio, se si ha a disposizione un insieme di MOF da testare in laboratorio, tali tecniche permettono di dare un’indicazione su quale sia il successivo materiale da esaminare senza dover testare tutti i materiali possibili, con un sostanziale risparmio di tempo e risorse economiche; in particolare, gli algoritmi sviluppati hanno dimostrato una potenziale accelerazione del 90% nella scoperta di materiali innovativi per l’accumulo termico”.
“Crediamo che l’efficientamento energetico dei sistemi di gestione dell’energia nasca da uno sforzo multi-disciplinare che sappia combinare l’ingegneria con le scienze di base, al fine di sviluppare tecnologie e materiali migliori rispetto a quelli di cui disponiamo oggi – aggiunge Luca Bergamasco, co-autore della ricerca – In particolare, nel nostro studio abbiamo combinato le nostre conoscenze in ingegneria energetica, nozioni di termodinamica e scienza dei materiali, nonché utilizzato i più innovativi strumenti che la tecnologia informatica mette oggi a disposizione, ovvero l’intelligenza artificiale”.
“La ricerca non si conclude qui – concludono i quattro ricercatori coinvolti – La metodologia e gli strumenti sviluppati possono infatti essere facilmente utilizzati per valutare le prestazioni dei materiali per altre applicazioni di interesse nel settore dell’energia e della sostenibilità; per esempio, la cattura dell’anidride carbonica dall’atmosfera oppure il recupero di acqua dall’umidità dell’aria in zone aride”.
[*] Giovanni Trezza, Luca Bergamasco, Matteo Fasano, Eliodoro Chiavazzo. Minimal crystallographic descriptors of sorption properties in hypothetical MOFs and role in sequential learning optimization, npj Computational Materials, DOI: https://www.nature.com/articles/s41524-022-00806-7
