Il futuro dell'energia pulita è caldo. Le temperature raggiungono gli 800 gradi Celsius in alcune parti degli impianti di energia solare e dei reattori nucleari avanzati. Trovare materiali che possano sopportare quel tipo di calore è difficile. Quindi gli esperti cercano risposte in Mark Messner.

Un ingegnere meccanico principale presso l'Argonne National Laboratory del Dipartimento dell'Energia degli Stati Uniti (DOE), Messner fa parte di un gruppo di ingegneri che stanno scoprendo modi migliori per prevedere come si comporteranno i materiali a temperature e pressioni elevate. Gli attuali metodi di previsione funzionano bene, ma richiedono tempo e spesso richiedono supercomputer, soprattutto se si dispone già di una serie di proprietà specifiche del materiale, ad es. rigidità, densità o resistenza e vuoi scoprire quale tipo di struttura un materiale avrebbe bisogno per abbinare quelle proprietà.

"Di solito dovresti eseguire tonnellate di simulazioni basate sulla fisica per risolvere quel problema, " ha detto Messer.

Alla ricerca di una scorciatoia, scoprì che le reti neurali, un tipo di intelligenza artificiale (AI) che scopre modelli in enormi set di dati, può prevedere con precisione cosa succede a un materiale in condizioni estreme. E possono farlo molto più velocemente e più facilmente rispetto alle simulazioni standard.

Il nuovo metodo di Messner ha trovato le proprietà di un materiale più di 2, 000 volte più veloce dell'approccio standard, come riportato in un ottobre 2019 Journal of Mechanical Design articolo. Molti dei calcoli, Mesner si rese conto, potrebbe funzionare su un normale laptop con un'unità di elaborazione grafica (GPU), invece di un supercomputer, spesso inaccessibili alla maggior parte delle aziende.

Era la prima volta che qualcuno usava una cosiddetta rete neurale convoluzionale, un tipo di rete neurale con un diverso, struttura più semplice, ideale per riconoscere i motivi nelle foto, per riconoscere con precisione le proprietà strutturali di un materiale. È anche uno dei primi passi per accelerare il modo in cui i ricercatori progettano e caratterizzano i materiali, che potrebbe aiutarci a muoverci verso un'economia energetica completamente pulita.

I gatti su Internet giocano un ruolo

Messner ha iniziato a progettare materiali come ricercatore post-dottorato presso il Lawrence Livermore National Laboratory del DOE, dove un team ha cercato di produrre strutture su una stampante 3D su una scala di micron, o milionesimi di metro. Mentre all'avanguardia, la ricerca è stata lenta. L'intelligenza artificiale potrebbe accelerare i risultati?

Al tempo, i giganti della tecnologia nella Silicon Valley avevano iniziato a utilizzare le reti neurali convoluzionali per riconoscere volti e animali nelle immagini. Questo ha ispirato Messner.

"La mia idea era che la struttura di un materiale non fosse diversa da un'immagine 3D, " ha detto. "Ha senso che la versione 3D di questa rete neurale farà un buon lavoro nel riconoscere le proprietà della struttura, proprio come una rete neurale apprende che un'immagine è un gatto o qualcos'altro".

Per testare la sua teoria, Messner fece quattro passi. Lui:

• progettato un quadrato definito con pixel simili a mattoni;
• ha preso campioni casuali di quel progetto e ha utilizzato una simulazione basata sulla fisica per creare 2 milioni di punti dati. Quei punti collegavano il suo progetto alle proprietà desiderate di densità e rigidità;
• alimentato i 2 milioni di punti dati nella rete neurale convoluzionale. Questo ha addestrato la rete a cercare i risultati corretti;
• utilizzato un algoritmo genetico, un altro tipo di intelligenza artificiale progettata per ottimizzare i risultati, insieme alla rete neurale convoluzionale addestrata, per trovare una struttura complessiva che corrispondesse alle proprietà che desiderava.

Il risultato? Il nuovo metodo AI ha trovato la giusta struttura 2, 760 volte più veloce del modello standard basato sulla fisica (0.00075 secondi contro 0.207 secondi, rispettivamente).

Nuovi strumenti potenziano l'innovazione nucleare

Questa idea astratta potrebbe trasformare il modo in cui gli ingegneri progettano i materiali, in particolare quelli destinati a resistere a condizioni con temperature elevate, pressioni e corrosione.

Messner si è recentemente unito a un team di ingegneri di Argonne e DOE's Idaho e Los Alamos National Laboratories che sta collaborando con Kairos Power, una startup nucleare. Il team sta creando strumenti di simulazione basati sull'intelligenza artificiale che aiuteranno Kairos a progettare un reattore nucleare a sale fuso, quale, a differenza dei reattori attuali, utilizzerà il sale fuso come refrigerante. Con quegli strumenti, il team proietterà come un tipo specifico di acciaio inossidabile, chiamato 316H, si comporteranno in condizioni estreme per decenni.

"Questo è un piccolo, ma vitale, parte del lavoro che stiamo facendo per Kairos Power, " ha detto Rui Hu, un ingegnere nucleare che gestisce il ruolo di Argonne nel progetto. "Kairos Power vuole modelli molto accurati di come i componenti del reattore si comporteranno all'interno del suo reattore per supportare la sua richiesta di licenza alla Commissione di regolamentazione nucleare. Non vediamo l'ora di fornire quei modelli".

Un'altra strada promettente per questo tipo di lavoro è la stampa 3D. Prima che la stampa 3D prendesse piede, gli ingegneri hanno faticato a costruire effettivamente strutture come quella che Messner ha trovato usando l'intelligenza artificiale nel suo articolo del 2019. Tuttavia, realizzare una struttura strato per strato con una stampante 3D consente una maggiore flessibilità rispetto ai metodi di produzione tradizionali.

Il futuro dell'ingegneria meccanica potrebbe essere la combinazione della stampa 3D con nuove tecniche basate sull'intelligenza artificiale, disse Messer. "Daresti la struttura, determinata da una rete neurale, a qualcuno con una stampante 3D e loro la stamperebbero con le proprietà che desideri, " ha detto. "Non siamo ancora del tutto arrivati, ma questa è la speranza".