Ci si interroga, soprattutto in quest’ultimo periodo, sul rapporto tra Intelligenza Artificiale e ESG e un interessante segnale proprio in questo senso arriva dal Politecnico di Torino dove un gruppo di ricercatori ha dimostrato che l’AI può dare un impulso significativo alla produzione di combustibili solari.
La dimostrazione è stata oggetto di uno studio firmato dal Politecnico di Torino e pubblicato sulla rivista Journal of the American Chemical Society, e potrebbe aprire una nuova fase nella produzione di combustibili solari come uno dei fattori che contribuiscono ad affrontare la crisi climatica.
Tecniche di AI per velocizzare lo sviluppo dei sistemi produttivi dei combustibili solari
Guidato dal professor Eliodoro Chiavazzo, Professore Ordinario di Fisica Tecnica Industriale e direttore dello SMaLL lab presso il Dipartimento Energia-DENERG il gruppo degli studiosi del Politecnico di Torino composto da Luca Bergamasco e Giovanni Trezza, rispettivamente Ricercatore e Dottorando presso lo stesso Dipartimento Energia ha lavorato in collaborazione con i team di ricerca del professor Erwin Reisner dell’Università di Cambridge in Gran Bretagna e del professor Leif Hammarström dell’Università di Uppsala in Svezia, e ha potuto evidenziare come determinate tecniche di Intelligenza Artificiale possano essere impiegate per velocizzare lo sviluppo dei sistemi produttivi dei combustibili solari.
Energie rinnovabili derivate dalla CO2 ottenute sfruttando l’energia solare
Ma cosa si intende per combustibili solari?
Si tratta di forme di energie rinnovabili derivate dalla CO2 sfruttando l’energia solare che contribuiscono a diminuire le emissioni di CO2 nell’atmosfera e dunque a contrastare il cambiamento climatico.
In particolare, il metodo analizzato rappresenta un avanzamento rilevante nella produzione di questi combustibili solari e la ricerca mostra proprio come l’Intelligenza Artificiale permetta di ottimizzare questa produzione di combustibili grazie all’utilizzo della tecnica conosciuta come Apprendimento Sequenziale.
L’attenzione dei ricercatori si è focalizzata sulle potenzialità dei combustibili solari che permettono di ridurre la presenza di anidride carbonica nell’atmosfera e alla possibilità nello stesso tempo di riutilizzarla per generare risorse utili. Si viene così a produrre una fonte rinnovabile particolarmente promettente, la cui valorizzazione potrebbe contribuire a contrastare l’attuale crisi climatica e costruire un futuro più sostenibile e una produzione sostenibile.
L’Intelligenza Artificiale utile per orientare e indirizzare gli esperimenti
Focalizzandosi specificamente sulla produzione di monossido di carbonio (CO), un combustibile utile anche come precursore per la produzione di altri combustibili più diffusi, derivati dalla CO2, il team di ricercatori ha evidenziato come determinate tecniche di Intelligenza Artificiale possano essere impiegate per “orientare” gli esperimenti, velocizzando quindi i tempi di sviluppo e migliorando sensibilmente i processi produttivi dei combustibili solari.
Il sistema oggetto della ricerca si basa su un processo foto-chimico, nel quale una miscela composta da acqua, tensioattivi e opportune molecole funzionalizzanti a contatto con la CO2 viene esposta alla luce solare, attivando la conversione delle molecole di anidride carbonica in combustibile. Considerando la complessità del sistema, il suo perfezionamento richiede un elevato numero di esperimenti e analisi in condizioni diverse, ad esempio, per testare diverse composizioni e diverse concentrazioni dei costituenti chimici.
Il ruolo dell’Apprendimento Sequenziale
Eliodoro Chiavazzo ha sottolineato che “L’apprendimento sequenziale è un approccio in cui un modello apprende continuamente da nuovi dati che gli vengono forniti, e risulta particolarmente utile in contesti in cui i dati non sono disponibili tutti in una volta ma vengono raccolti progressivamente. I modelli quindi “imparano” da un primo set di pochi esperimenti, e sono in grado di fornire indicazioni su quali esperimenti conviene svolgere successivamente. In questo caso, i modelli proposti hanno consentito di ottimizzare la produzione di combustibile solare in soli 100 esperimenti rispetto ai 100,000 teoricamente necessari”.
Giovanni Trezza ha a sua volta sottolineato che “per questo lavoro abbiamo usato due dei più recenti modelli di apprendimento sequenziale oggi a disposizione, coordinandoci con i ricercatori dell’università di Cambridge per lo svolgimento degli esperimenti e l’analisi dei risultati. Lo studio ha permesso di identificare uno dei parametri chiave che regola il sistema foto-chimico considerato, altrimenti molto difficile da individuare”. Luca Bergamasco a poi evidenziato che “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”.
Le tecniche di apprendimento sequenziale sono ancora relativamente poco sfruttate, soprattutto in ambito chimico; questo lavoro, in particolare, rappresenta uno dei primi tentativi 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 e per altre applicazioni come quelle che guardano alla conversione e accumulo di energia.
