L'Intelligenza artificiale, in
particolare la tecnica denominata apprendimento sequenziale,
può accelerare i tempi di sviluppo dei sistemi di produzione dei
combustibili solari. Lo dimostra uno studio condotto da un team
di ricercatori del Politecnico di Torino, in collaborazione con
l'Università britannica di Cambridge e quella svedese di
Uppsala.
Il sistema oggetto dello studio, pubblicato sul prestigioso
Journal of American Chemical Society, si basa - spiegano i
ricercatori - su un processo foto-chimico nel quale una
preparazione costituita da acqua, tensioattivi e molecole
funzionalizzanti in contatto con l'anidride carbonica viene
esposta alla luce solare. In questo modo viene attivata la
conversione delle molecole di anidride carbonica in
combustibile.
Un sistema complesso che richiede un elevato numero di
esperimenti e analisi in condizione diverse che però proprio
l'Intelligenza artificiale può ridurre considerevolmente: "I
modelli 'imparano' da un primo set di pochi esperimenti - spiega
Eliodoro Chiavazzo, coordinatore di team di ricercatori del
Politecnico - e sono in grado di fornire indicazioni su quali
esperimenti conviene svolgere successivamente. I modelli
proposti hanno consentito di ottimizzare la produzione di
combustibile solare in soli 100 esperimenti, rispetto ai 100mila
teoricamente necessari". Lo studio - aggiunge Giovanni Trezza,
un altro ricercatore coinvolto, con Luca Bergamasco - "ha
permesso di identificare uno deI parametri chiave che regola il
sistema foto-chimico considerato, altrimenti molto difficile da
individuare".
Riproduzione riservata © Copyright ANSA
