Redazione
Un team di due ricercatori del Politecnico di Torino, guidato dal professor Eliodoro Chiavazzo, sta rivoluzionando la produzione di combustibili solari grazie all’uso dell’intelligenza artificiale.
Luca Bergamasco e Giovanni Trezza, rispettivamente Ricercatore e Dottorando presso il Dipartimento Energia, hanno collaborato con i gruppi di ricerca del professor Erwin Reisner dell’Università di Cambridge (Gran Bretagna) e del professor Leif Hammarström dell’Università di Uppsala (Svezia) per dimostrare come le tecniche di AI possano accelerare lo sviluppo di sistemi per la produzione di combustibili solari riducendo significativamente le emissioni di CO2.
Intelligenza artificiale per i combustibili solari
I combustibili solari rappresentano una fonte energetica rinnovabile che sfrutta l’energia solare per convertire la CO2 in risorse utili, come il monossido di carbonio (CO). Questo processo non solo aiuta a ridurre l’anidride carbonica nell’atmosfera, ma riutilizza anche la CO2, contribuendo alla lotta contro il cambiamento climatico. Lo studio del Politecnico di Torino evidenzia come l’AI, e in particolare l’apprendimento sequenziale, possa migliorare la produzione di questi combustibili. I risultati sono incoraggianti, tanto che la ricerca è stata pubblicata sulla rivista settoriale Journal of the American Chemical Society.
Nel comunicato stampa, i ricercatori presentano i combustibili solari come “Una fonte rinnovabile particolarmente promettente, la cui valorizzazione potrebbe contribuire a fronteggiare l’attuale crisi climatica e costruire un futuro più sostenibile”.
L’apprendimento sequenziale: un approccio innovativo
Come sappiamo, la grandezza dell’AI sta nella possibilità di elaborare e incrociare una quantità di dati inimmaginabile per la mente umana, seguendo le regole della statistica.
L’apprendimento sequenziale rende continua questa elaborazione permettendo a un modello di apprendere continuamente da nuovi dati. Questo metodo è particolarmente utile quando i dati vengono raccolti progressivamente. “I modelli apprendono da un primo set di pochi esperimenti e sono in grado di indicare quali esperimenti svolgere successivamente”, spiega il professor Chiavazzo. Questo approccio ha permesso di ottimizzare la produzione di combustibili solari con soli 100 esperimenti, rispetto ai 100.000 necessari in condizioni normali.
“Abbiamo utilizzato due dei più recenti modelli di apprendimento sequenziale disponibili, coordinandoci con i ricercatori di Cambridge per gli esperimenti e l’analisi dei risultati,” aggiunge Giovanni Trezza.
Concentrandosi sulla produzione di monossido di carbonio (CO) i ricercatori hanno dimostrato come alcune tecniche di futuro sostenibile possono essere utilizzate per guidare gli esperimenti, accelerando i tempi di sviluppo e migliorando notevolmente i procedimenti di produzione dei combustibili solari. Questo si traduce in una maggiore velocità di produzione e quindi in un minore impiego di energie.
Il processo foto-chimico
Il sistema studiato utilizza un processo foto-chimico. In pratica, una preparazione costituita da acqua, tensioattivi e opportune molecole funzionalizzanti in contatto con la CO2 viene esposta alla luce solare e attiva la conversione delle molecole di anidride carbonica in combustibile. La complessità del sistema richiede numerosi esperimenti per ottimizzarne le condizioni e qui entra in gioco l’AI e l’apprendimento sequenziale che consentono di abbattere i tempi: “Lo studio ha permesso di identificare uno dei parametri chiave che regola il sistema foto-chimico considerato, altrimenti molto difficile da individuare,” spiega Trezza.
Innovazione e prospettive future
Il sistema considerato sfrutta l’auto-assemblaggio dei tensioattivi e delle molecole funzionalizzanti in micelle foto-catalitiche, che migliorano 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,” commenta Luca Bergamasco.
In pratica: immaginiamo di voler trasformare l’anidride carbonica in combustibile utilizzando l’energia solare. Il sistema utilizza una combinazione speciale di sostanze chimiche chiamate tensioattivi e molecole funzionalizzanti. Queste sostanze, quando messe insieme, si organizzano spontaneamente in piccole strutture chiamate micelle foto-catalitiche.
Le micelle foto-catalitiche agiscono come minuscoli reattori che, grazie all’energia solare, possono trasformare la CO2 in combustibile. In pratica, queste micelle rendono il processo di conversione molto più efficiente, accelerando la trasformazione della CO2 in qualcosa di utile come il combustibile.
Oltre che per la produzione di “combustibili sostenibili”, la ricerca del PoliTo insieme alla cooperazione internazionale può aprire a nuovi scenari in ambito chimico, dove, ad oggi, le tecniche di apprendimento sequenziale sono poco sfruttate.
“Questo lavoro rappresenta il primo tentativo di applicarle a un sistema foto-catalitico così complesso,” concludono i ricercatori. La ricerca prosegue non solo nei combustibili solari, ma anche in altre applicazioni di conversione e accumulo di energia.
Questi avanzamenti posizionano l’Italia all’avanguardia nella ricerca sui combustibili solari, con l’obiettivo di contribuire significativamente alla riduzione delle emissioni di CO2 e alla creazione di un futuro sostenibile.
Come l’AI può accelerare la rivoluzione ESG
Anche al di fuori del campo della ricerca, l’AI può accelerare la transizione green che, nonostante gli sforzi, assume sempre di più le sembianze di una corsa contro il tempo. L’apporto di questa tecnologia non si limita ai dati e al loro monitoraggio.
L’intelligenza artificiale può supportare lo sviluppo di modelli di apprendimento automatico per monitorare i rischi ESG e identificare aree di miglioramento. L’obiettivo è ottenere performance di sostenibilità ottimali, sviluppando nuovi prodotti e servizi sostenibili e riducendo gli sprechi.
Grazie a questa tecnologia, infatti, le aziende possono ridefinire i processi di produzione per massimizzare l’efficienza e minimizzare gli sprechi. L’implementazione dell’intelligenza artificiale permette alle aziende di sviluppare modelli di apprendimento automatico che aiutano a comprendere e monitorare i rischi ESG, così come a identificare le aree di business in cui è possibile apportare miglioramenti significativi.
Il miglioramento delle performance di sostenibilità avviene non solo attraverso lo sviluppo di nuovi prodotti e servizi e la riduzione degli sprechi, ma anche tramite l’identificazione e l’attivazione di nuovi modelli di business utili all’azienda. Questa tecnologia consente di efficientare gli sforzi e le risorse utilizzate anche grazie ad una capacità predittiva esponenzialmente maggiore rispetto a quella umana.
L’AI, gestendo questi dati e trasformandoli in conoscenza, mette a disposizione strumenti per lo sviluppo di nuovi servizi o prodotti e per guidare l’evoluzione di quelli esistenti verso una maggiore sostenibilità.
