Per chi fa ricerca scientifica la sfida della sostenibilità ambientale ha un valore speciale. L’importanza dei temi, la dimensione globale dei rischi che abbiamo davanti e il senso di urgenza che è ormai entrato a far parte della nostra quotidianità, chiedono al mondo della ricerca di trovare nuove soluzioni e, soprattutto, di “fare presto”. Il fattore tempo è diventato un elemento discriminante e rappresenta un bisogno che si scontra con le logiche e con la scansione temporale del metodo scientifico.
L’esigenza, sempre più pressante, è quella di accelerare la ricerca, di reinterpretarla secondo nuove logiche, ed è proprio qui che si colloca l’approccio Accelerated Discovery di IBM che mette a valore, anche in termini di velocità e capacità di conoscenza, le opportunità e le performance che arrivano dall’Intelligenza Artificiale e dal Machine Learning. I risultati che questo metodo ha permesso di raggiungere consentono a laboratori come l’IBM Research Lab di Zurigo di dare un contributo speciale ai temi della Carbon Capture and Utilization (CCU) e in generale, alla ricerca di nuove modalità di trattamento della CO2.
Per approfondire queste prospettive ESG360 ha incontrato Teodoro Laino, distinguished RSM e Manager presso i laboratori IBM Research di Zurigo.
La Carbon Capture, lo storage e i possibili utilizzi della CO2 rappresentano una sfida fondamentale per supportare il raggiungimento di risultati in termini di carbon neutrality di paesi e organizzazioni e per esplorare nuove strade dal punto di vista dei modelli economici. A che punto siamo oggi?
La cattura della CO2 è un tema assolutamente fondamentale. Qualsiasi operazione che abbia come obiettivo di raggiungere la neutralità ambientale non può non passare dalle possibilità di catturare e utilizzare la CO2 o CCU, Carbon capture and utilization. Peraltro, la ricerca è attiva da tempo su questo tema: nella mia esperienza come chimico computazionale, da quando ho iniziato a lavorare a simulazioni in questo ambito, ho assistito a un’ampia casistica di studi relativi alle interazioni della CO2 con molecole di varia natura, proprio con l’obiettivo di capire e valutare le diverse modalità di “fissaggio della CO2”. E dalla ricerca sono emerse diverse alternative in fase di sperimentazione, in cui la CO2 viene sequestrata dall’aria grazie all’utilizzo di composti di natura organica.
Si può dire che la dimensione del fenomeno e il senso di urgenza che lo accompagna stanno alzando il livello di attenzione e le aspettative verso la individuazione di nuove soluzioni?
Sì, certamente ma si stanno facendo grandissimi passi in avanti, sia a livello di ricerca di base, sia in termini di progressi basati su progetti pilota che consentono di testare queste tecnologie su una scala più ampia. Il grande tema per la ricerca è quello di riuscire a rispondere a un bisogno con dimensioni estremamente rilevanti che impongono di trovare soluzioni con una elevata scalabilità. Esistono al riguardo tanti approcci, da quelli di natura chimica, ad approcci di natura meccanica-ingegneristica e ci sono diversi “pilot”, tra i quali quelli che prevedono l’utilizzo di membrane selettive, che consentono di “ripulire” l’aria trattenendo la CO2.
Quali sono i punti di riferimento per queste ricerche? Quali obiettivi e quali limiti si devono tenere in considerazione?
La vera domanda per la ricerca oggi è: “quali possono essere le tecnologie che permettono di avere un’estrazione della CO2 nell’atmosfera a costi competitivi?” Il tema dei costi e della scalabilità sono fondamentali. Non si devono considerare solo i costi economici, ma anche quelli ambientali. Occorre ad esempio capire cosa significa produrre nuove membrane dal punto di vista della sostenibilità. E qui entra in gioco la necessità di far scalare anche la capacità di ricerca e di simulazione. Ci sono tecnologie che in laboratorio permettono di ottenere risultati straordinari, ma vanno poi messe alla prova con la realtà fisica e reale, magari all’interno di impianti in cui si devono affrontare problematiche di gestione o di manutenzione dai costi proibitivi.
Veniamo al ruolo dell’Intelligenza Artificiale, del Machine Learning e dell’innovazione digitale al servizio della ricerca. A che punto siamo?
Come IBM siamo convintissimi da anni che il futuro nello sviluppo di nuovi materiali e nella ricerca di soluzioni per il Carbon capture and Utilization (CCU) arriverà dall’utilizzo di tecniche di Machine Learning, e dall’accelerazione delle logiche di apprendimento basate sui dati. Proprio per questo come IBM abbiamo messo a punto il metodo dell’Accelerated Discovery, che ricalca e accelera il metodo scientifico. Abbiamo sviluppato e messo a disposizione della comunità scientifica e dei nostri partner una serie di tecnologie digitali basate sull’Intelligenza Artificiale che permettono di ridurre i tempi della ricerca e sviluppo.
Soffermiamoci sull’Accelerated Discovery. Di cosa si tratta e quali sono gli obiettivi?
L’Accelerated Discovery è il potenziamento del metodo scientifico in tutte le sue componenti fondamentali. Infatti, grazie agli strumenti e alle logiche del digitale è possibile accelerare quelle mansioni di analisi e di apprendimento che assorbono tanto tempo a causa dei limiti intriseci delle capacità umane. Ad esempio, davanti alla necessità di conoscere tutta la letteratura disponibile sui materiali che permettono di catturare la CO2, ci si deve confrontare con una quantità di testi, di documentazione e di ricerche che richiedono, in termini di apprendimento umano, un arco di diversi mesi. Spesso è necessario fare ulteriori studi, con tecniche di simulazione computazionale, per aumentare la comprensione sulle caratteristiche di alcuni materiali, specie quando queste informazioni mancano o non sono state mai riportate in letteratura. La ricerca ha poi bisogno di individuare le correlazioni tra i dati per poter generare nuove ipotesi di materiali, che dopo essere stati prodotti in laboratorio vengono messi alla prova per verificare che le prestazioni reali siano compatibili con quelle ipotizzate.
L’applicazione dell’Intelligenza Artificiale (IA) a questo modello ha permesso di creare un potenziamento del metodo scientifico che abbiamo chiamato Accelerated Discovery, che sfrutta la capacità di conoscenza dell’IA per velocizzare tutti i passaggi: dall’estrazione delle informazioni da testi non-strutturati, alla scelta di quali esperimenti di simulazione effettuare per aumentare il valore conoscitivo dei dati, fino alla generazione delle ipotesi grazie a “modelli generativi” e alla sintesi in laboratori autonomi guidati dall’IA per la creazione dei nuovi materiali. Tutto è arricchito dall’integrazione dell’IA nei vari stadi del metodo scientifico.
Vediamo in particolare i vantaggi
Conoscenza e velocità. Una volta che la struttura è stata avviata e che il sistema è alimentato dai dati, la generazione di ipotesi che un tempo poteva richiedere qualche ora o qualche giorno adesso si può ottenere nell’arco di minuti. Si tratta di una grande possibilità per creare innovazione, per testare nuove idee, per filtrare più velocemente tutte quelle che vengono generate, ma anche per individuare criticità e correggerle.
Torniamo al campo di applicazione dell’Accelerated discovery e alla sua focalizzazione sulla ricerca ambientale per la sostenibilità
Una delle grandi discussioni che animano il mondo scientifico può essere sintetizzata in questa domanda: “cosa ne facciamo della CO2 che catturiamo?” Si tratta di un tema che apre un’altra serie di sfide e di prospettive. Solo per citare alcuni scenari, ci sono tecniche che permettono di isolare la CO2 e di “imitare madre natura”. Dobbiamo infatti pensare che viviamo su una “grandissima riserva di CO2”, in cui gran parte delle rocce sono state create da microorganismi che “hanno catturato” naturalmente la CO2 nell’atmosfera e l’hanno “fissata” in forma di calcare. Ovviamente senza trascurare che si tratta di un processo che ha richiesto centinaia di milioni di anni. Ora la sfida è quella di capire quali possibilità si possono percorrere per ridurre i tempi di questa trasformazione.
Possiamo fare un esempio anche per capire concretamente il supporto che può arrivare dall’innovazione digitale?
Una concreta possibilità è rappresentata dalle prospettive di stoccaggio della CO2 al di sotto della superficie terrestre. A questo proposito, l’IBM Research Lab presenterà a un prossimo meeting dell’American Physical Society una ricerca espressamente dedicata allo stoccaggio della CO2 nel sottosuolo. Grazie a tecniche di simulazione computazionale della composizione della roccia e delle sue strutture capillari nelle quali dovrebbe essere stoccata la CO2, abbiamo prodotto una analisi dettagliata dei fattori che influenzano questo processo di stoccaggio. Un lavoro che permette tra l’altro di arrivare a fornire indicazioni sulla individuazione dei sedimenti rocciosi con le caratteristiche migliori per ottenere lo stoccaggio ottimale. Una ricerca che apre diverse prospettive, anche per indirizzare altre forme di ricerca.
Anche per rispondere al tema della cattura e utilizzo della CO2 (CCU) e andare oltre l’obiettivo “stoccaggio”?
Certamente, accanto alle soluzioni che prevedono lo stoccaggio ci sono molti altri studi che si dedicano a sviluppare tecniche per un utilizzo della CO2. Infatti, relativamente al cosa “fare della CO2” che si è sequestrata dall’aria si può essere molto creativi, si possono immaginare nuove soluzioni. Nulla vieta ad esempio che una volta catturata la CO2 possa essere utilizzata, come materiale grezzo, per la costruzione di nuove sostanze. Oggi siamo nella fase in cui esistono dei pilot in diverse zone nel mondo dove vengono testate queste tecnologie. L’estrazione della CO2, lo stoccaggio o la conversione sono processi estremamente intensivi dal punto di vista energetico ed è anche qui che l’Accelerated Discovery può fare la differenza. Utilizzando le tecniche di AI e Machine Learning si possono sviluppare diversi tipi di materiali che permettono di ridurre la richiesta energetica. E’ possibile inoltre simulare in maniera digitale la performance dei nuovi materiali così da ridurre i tempi nelle successive fasi di sviluppo.
Approfondiamo anche questo punto: il ruolo delle simulazioni e dei digital twin. Quali possibilità sono oggi alla portata della ricerca in termini di accelerazione nel raggiungimento dei risultati e di riduzione dei rischi nella sperimentazione?
Le simulazioni ci permettono di replicare il mondo reale in un mondo digitale, ci permettono di affrontare ipotesi che nel mondo fisico erano estremamente costose in tempi estremamente brevi. Il PoC (Proof of Concept) tradizionale e “fisico”, adesso si può simulare con i digital twins, con materiali e situazioni che si comportano esattamente come i sistemi e i materiali veri e che permettono di disporre di una straordinaria quantità di conoscenza sui comportamenti e sulle reazioni testando diversi tipi di materiali. Il tutto, e non è certo un aspetto secondario, minimizzando anche i rischi connessi a queste sperimentazioni.
Quali sono le realtà e le organizzazioni oggi tendenzialmente più attente a questo tipo di ricerche?
Premesso che sono tante le realtà che guardano a queste prospettive, c’è da sottolineare la forte attenzione da parte delle compagnie che operano nell’ambito energetico, come le industrie petrolifere, le imprese che si occupano di raffinazione, le industrie chimiche. Si tratta di realtà attente ad accelerare la conoscenza e la gestione di soluzioni che permettano la “cattura” e la conversione di CO2. Una delle ragioni di questo interesse è da leggere nelle necessità di questo comparto, che ha costruito e sviluppato un mercato basato sulla vendita di energia da fonti fossili, di guardare con attenzione alle prospettive legate ad un utilizzo della CO2 prodotta dall’uomo per creare nuovi prodotti o nuovi servizi e dare vita a una ulteriore trasformazione del mercato energetico.
