I ricercatori dell'Università di Toronto Engineering e della Carnegie Mellon University stanno utilizzando l'intelligenza artificiale (AI) per accelerare i progressi nella trasformazione del carbonio di scarto in un prodotto di valore commerciale con un'efficienza record.

Hanno sfruttato l'intelligenza artificiale per accelerare la ricerca del materiale chiave in un nuovo catalizzatore che converte l'anidride carbonica (CO2) in etilene, un precursore chimico di un'ampia gamma di prodotti, dalla plastica al detersivo per piatti.

L'elettrocatalizzatore risultante è il più efficiente della sua classe. Se utilizzato con energia eolica o solare, il sistema fornisce anche un modo efficiente per immagazzinare elettricità da queste fonti rinnovabili ma intermittenti.

"Utilizzare elettricità pulita per convertire la CO2 in etilene, che ha un mercato globale di 60 miliardi di dollari, può migliorare l'economia sia della cattura del carbonio che dello stoccaggio di energia pulita, "dice il professor Ted Sargent, uno degli autori senior di un nuovo articolo pubblicato oggi in Natura .

Sargent e il suo team hanno già sviluppato una serie di catalizzatori leader a livello mondiale per ridurre il costo energetico della reazione che converte la CO2 in etilene e altre molecole a base di carbonio. Ma potrebbero esserci anche quelli migliori là fuori, e con milioni di potenziali combinazioni di materiali tra cui scegliere, testarli tutti richiederebbe un tempo inaccettabile.

Il team ha dimostrato che l'apprendimento automatico può accelerare la ricerca. Utilizzando modelli informatici e dati teorici, gli algoritmi possono eliminare le opzioni peggiori e indicare la strada verso candidati più promettenti.

L'uso dell'intelligenza artificiale per la ricerca di materiali energetici puliti è stato avanzato in un workshop del 2017 organizzato da Sargent in collaborazione con il Canadian Institute for Advanced Research (CIFAR). L'idea è stata ulteriormente elaborata in a Natura articolo di commento pubblicato nello stesso anno.

Il professor Zachary Ulissi della Carnegie Mellon University è stato uno dei ricercatori invitati al workshop originale. Il suo gruppo è specializzato nella modellazione al computer di nanomateriali.

"Con altre reazioni chimiche, disponiamo di set di dati ampi e consolidati che elencano i potenziali materiali catalizzatori e le loro proprietà, "dice Ulisse.

"Con la conversione da CO2 a etilene, non ce l'abbiamo, quindi non possiamo usare la forza bruta per modellare tutto. Il nostro gruppo ha passato molto tempo a pensare a modi creativi per trovare i materiali più interessanti".

Gli algoritmi creati da Ulissi e dal suo team utilizzano una combinazione di modelli di apprendimento automatico e strategie di apprendimento attivo per prevedere ampiamente quali tipi di prodotti è probabile che un determinato catalizzatore produca, anche senza una modellazione dettagliata del materiale stesso.

Hanno applicato questi algoritmi per la riduzione della CO2 per vagliare oltre 240 materiali diversi, scoprendo 4 candidati promettenti che si prevedeva avessero proprietà desiderabili su una gamma molto ampia di composizioni e strutture superficiali.

Nel nuovo giornale, i coautori descrivono il loro materiale catalizzatore più performante, una lega di rame e alluminio. Dopo che i due metalli sono stati legati ad alta temperatura, parte dell'alluminio è stata poi asportata, risultando in una struttura porosa su scala nanometrica che Sargent descrive come "soffice".

Il nuovo catalizzatore è stato quindi testato in un dispositivo chiamato elettrolizzatore, dove l'"efficienza faradaica" - la proporzione di corrente elettrica che va a fare il prodotto desiderato - è stata misurata all'80%, un nuovo record per questa reazione.

Sargent afferma che il costo dell'energia dovrà essere ulteriormente ridotto se il sistema deve produrre etilene che sia competitivo in termini di costi con quello derivato dai combustibili fossili. La ricerca futura si concentrerà sulla riduzione della tensione complessiva richiesta per la reazione, oltre a ridurre ulteriormente la proporzione di prodotti collaterali, che sono costosi da separare.

Il nuovo catalizzatore è il primo per la conversione della CO2 in etilene ad essere stato progettato in parte attraverso l'uso dell'IA. È anche la prima dimostrazione sperimentale degli approcci di apprendimento attivo che Ulissi sta sviluppando. Le sue ottime prestazioni convalidano l'efficacia di questa strategia e sono di buon auspicio per future collaborazioni di questo tipo.

"Ci sono molti modi in cui rame e alluminio possono organizzarsi da soli, ma ciò che i calcoli mostrano è che si prevedeva che quasi tutti fossero utili in qualche modo, " dice Sargent. "Quindi, invece di provare materiali diversi quando i nostri primi esperimenti non hanno funzionato, abbiamo insistito, perché sapevamo che c'era qualcosa su cui valeva la pena investire".