La creazione di nanomateriali con la pirolisi a spruzzo di fiamma è complessa, ma gli scienziati di Argonne hanno scoperto come l'applicazione dell'intelligenza artificiale può portare a un processo più semplice e a prestazioni migliori.

Durante un tour della struttura di ricerca di produzione e ingegneria presso l'Argonne National Laboratory del Dipartimento dell'Energia degli Stati Uniti, Marius Stan, l'Intelligent Materials Design lead nella Divisione Materiali Applicati (AMD) di Argonne, incontrato una nuova configurazione sperimentale. Mentre osservava la macchina nell'esperimento, che si affida alla fiamma per produrre nanomateriali, aveva un'idea:l'intelligenza artificiale può essere utilizzata per ottimizzare questo complesso processo?

Quando è stato chiesto di spiegare il processo, Stan lo ha detto semplicemente:"È dove gli scienziati mettono le sostanze chimiche in una fiamma e aspettano un miracolo, che le particelle appaiano alla fine del processo, particelle che hanno proprietà importanti per una varietà di applicazioni." La pirolisi a spruzzo di fiamma è una tecnologia che consente la produzione di nanomateriali in volumi elevati, che a sua volta è fondamentale per la produzione di un'ampia gamma di materiali industriali, come catalizzatori chimici, elettroliti/catodi e pigmenti della batteria.

Flash forward a luglio 2020 e pubblicazione di "Ottimizzazione della pirolisi a spruzzo del telaio tramite statistiche e apprendimento automatico" nella rivista Materiali e design , un documento scritto da un team di ricerca AMD che ha mostrato che il processo di pirolisi a spruzzo di fiamma potrebbe in effetti essere ottimizzato per creare materiali dalle prestazioni migliori che possono aiutare a trasformare la produzione domestica.

I ricercatori hanno scoperto come modificare la chimica di un materiale e modificare i parametri della macchina utilizzando tecniche statistiche avanzate.

"Abbiamo deciso di guardare alla produzione di silice, per cercare di influenzare la qualità della polvere, " ha detto Noah Paulson, uno scienziato dei materiali computazionali e l'autore principale dell'articolo, insieme a Joe Libera, un principale scienziato dei materiali che gestisce la pirolisi a spruzzo di fiamma del laboratorio, e Stan. "Abbiamo scoperto che potevamo utilizzare l'apprendimento automatico per controllare gli input nella configurazione della pirolisi a spruzzo di fiamma, ed è complesso, ci sono molti input diversi e ottenere risultati desiderabili".

Paulson ha aggiunto che la silice è stata scelta perché è adatta alla modellazione computazionale, ma i risultati dello studio potrebbero portare a una vasta gamma di materiali migliorati, come gli elettrodi della batteria per esempio. "Se hai un'auto e vuoi raddoppiare l'autonomia di quell'auto con una singola carica, hai bisogno di migliori materiali per la batteria. Questo è ciò che ci limita in termini di queste applicazioni".

Particolarmente degno di nota è stato il ruolo dell'intelligenza artificiale nella ricerca. Stan, che ha dedicato gran parte della sua carriera allo studio del rapporto tra uomo e macchina, ha detto che il livello di analisi in questo progetto era così complesso da essere quasi irrealizzabile per un essere umano.

"Questa è una dimostrazione che possiamo creare un algoritmo e un software in grado di controllare anche un processo, se non meglio, di quanto possa fare un essere umano. Ciò ha coinvolto così tanti parametri che l'intelligenza artificiale era necessaria per aumentare il nostro cervello nell'elaborazione di queste informazioni, " ha detto Stan. "Non avremmo potuto estrarre questi risultati dai dati solo con l'osservazione, perché c'erano così tante dimensioni."

Paulson era d'accordo. "Il cuore di questa tecnologia è l'apprendimento automatico che ci consente di ottimizzare queste condizioni di elaborazione senza l'intervento umano, " ha detto Paulson. "Siamo sostanzialmente in grado di azzerare la distribuzione delle dimensioni delle particelle (che vogliamo) in un solo giorno di esperimenti, rispetto a quelle che potrebbero essere molte settimane".

Guardando avanti, Paulson e Stan hanno indicato ulteriori possibili ricerche che coinvolgono sia il lato sperimentale che quello computazionale.

Presso la struttura di ricerca di produzione e ingegneria, i membri del team di ricerca stanno cercando di entrare in contatto con partner industriali per studiare come il software del progetto può controllare meglio la combustione ei processi chimici che fanno parte della pirolisi a spruzzo di fiamma. Allo stesso tempo, sperano di sfruttare il prossimo supercomputer ad alte prestazioni Aurora di Argonne e le sue capacità di esascala, per aiutare con la natura computazionale intensiva del lavoro.

Paulson crede che questo tipo di sforzi alla fine si tradurrà nella capacità di produrre materiali migliori, che è un precursore del progresso su molti fronti tecnologici diversi.

"I materiali sono il vero collo di bottiglia, " ha spiegato. "Se riusciamo a trovare un modo per tradurre i successi che vediamo in laboratorio in materiali che possono essere prodotti a costi ragionevoli, allora possiamo abilitare quelle tecnologie di cui il mondo ha davvero bisogno".