Nel contesto della ricerca di nuovi materiali, i metodi tradizionali basati sull’empirismo in laboratorio stanno cedendo il passo a un approccio più avanzato, sfruttando la convergenza di due potenti strumenti: l’intelligenza artificiale e il supercalcolo. Questa innovativa sinergia ha portato alla scoperta di un nuovo materiale per batterie, evidenziando il ruolo cruciale dei calcoli computazionali avanzati nella progettazione di materiali destinati a soddisfare requisiti specifici, spaziando dalle applicazioni batteristiche alle tecnologie di cattura del carbonio e ai catalizzatori.
Il lavoro condotto da ricercatori di Microsoft e del Pacific Northwest National Laboratory (PNNL), presentato l’8 gennaio su arXiv.org, ha ridotto da oltre 32 milioni a soli 23 i materiali candidati più promettenti. Dopo la fase di screening computazionale, uno di questi materiali è stato sintetizzato e testato con successo, dando vita a un prototipo funzionante di batteria.
L’attenzione degli studiosi si è concentrata su un componente fondamentale per le batterie: l’elettrolita solido. Questo materiale facilita il trasferimento di ioni tra gli elettrodi di una batteria. Mentre le batterie tradizionali utilizzano elettroliti liquidi, suscettibili a perdite e incendi, la ricerca si è orientata verso elettroliti solidi per mitigare tali rischi.
La generazione iniziale dei 32 milioni di candidati è stata ottenuta attraverso un processo di mix-and-match, manipolando la struttura cristallina di materiali noti. L’impiego di tecniche di apprendimento automatico ha permesso di selezionare rapidamente i candidati più stabili e di ridurre l’elenco a meno di 600.000 opzioni. Successivamente, un’analisi più approfondita ha permesso di identificare i candidati con le proprietà elettriche e chimiche desiderate per le batterie, mediante l’uso di modelli di intelligenza artificiale approssimativi. Questo elenco è stato ulteriormente raffinato mediante metodi computazionali intensivi basati sulla fisica, escludendo materiali rari, tossici o costosi.
Il risultato finale è stato un insieme di 23 candidati, di cui cinque erano già noti. Dai candidati selezionati, il team del PNNL ha optato per un materiale correlato ad altri precedentemente sintetizzati in laboratorio, caratterizzato da stabilità e conduttività adeguate. Il materiale è stato sintetizzato e, dopo sei mesi di lavoro, è stato trasformato in un prototipo di batteria funzionante.
Il materiale dell’elettrolita proposto presenta una combinazione non convenzionale di litio e sodio, sostituendo una parte del litio con il sodio per ragioni economiche e di disponibilità. Tale approccio, insolito nella pratica tradizionale, ha dimostrato che l’intelligenza artificiale può spingersi al di là degli schemi convenzionali, aprendo nuove prospettive nella ricerca di materiali innovativi.
Il processo computazionale avanzato è stato supportato dall’utilizzo di Azure Quantum Elements di Microsoft, che fornisce accesso a un supercomputer basato su cloud ottimizzato per la ricerca in chimica e scienza dei materiali. Questo studio si inserisce in una serie di sforzi volti a sfruttare l’intelligenza artificiale per accelerare la scoperta di nuovi materiali, dimostrando il potenziale di questa approccio integrato per guidare l’intero ciclo di sviluppo, dalla progettazione alla produzione di nuovi materiali funzionali.
@neurobytes
