Una strategia computazionale per trovare nuove strutture ottimizzate per batterie organiche a flusso redox. Credito:Sowndarya S.V. et al.
I recenti progressi nello sviluppo di tecniche di ottimizzazione e apprendimento automatico hanno aperto nuove ed entusiasmanti possibilità per identificare progetti molecolari, composti e candidati chimici adatti per diverse applicazioni. Le tecniche di ottimizzazione, alcune delle quali basate su algoritmi di apprendimento automatico, sono potenti strumenti che possono essere utilizzati per selezionare soluzioni ottimali per un determinato problema tra un insieme tipicamente ampio di possibilità.
I ricercatori della Colorado State University e del National Renewable Energy Laboratory hanno applicato modelli di ottimizzazione molecolare all'avanguardia a diversi problemi del mondo reale che comportano l'identificazione di progetti molecolari nuovi e promettenti. Nel loro studio più recente, pubblicato su Nature Machine Intelligence , hanno applicato specificamente un framework di ottimizzazione open source di nuova concezione al compito di identificare i radicali organici vitali per le batterie a flusso redox acquoso, dispositivi energetici che convertono l'energia chimica in elettricità.
"Il nostro progetto è stato finanziato da un programma ARPA-E che cercava di ridurre il tempo necessario per sviluppare nuovi materiali energetici utilizzando tecniche di apprendimento automatico", ha detto a TechXplore Peter C. St. John, uno dei ricercatori che hanno condotto lo studio . "Trovare nuovi candidati per le batterie a flusso redox è stata un'interessante estensione di alcuni dei nostri lavori precedenti, incluso un articolo pubblicato su Nature Communications e un altro in Dati scientifici , entrambi esaminano i radicali organici."
Il nuovo framework creato da St. John e dai suoi colleghi è stato ispirato dal loro precedente lavoro sull'ottimizzazione molecolare. Il framework consiste essenzialmente nello strumento di intelligenza artificiale (AI) AlphaZero, sviluppato da DeepMind, abbinato a un modello veloce derivato dall'apprendimento automatico, costituito da due reti neurali a grafo addestrate su quasi 100.000 simulazioni di chimica quantistica.
La prima delle reti neurali del grafico è stata addestrata per prevedere i potenziali di ossidazione e riduzione, due parametri importanti per determinare quanta energia può essere immagazzinata nelle batterie acquose a flusso redox. Il secondo prevede la densità degli elettroni e l'ambiente 3D locale, entrambi associati alla durata di queste batterie.
"Poniamo l'ottimizzazione delle molecole come una ricerca ad albero, in cui costruiamo molecole aggiungendo componenti in modo iterativo su una struttura in crescita", ha spiegato St. John. "Il vantaggio di questo approccio è che possiamo eliminare ampi rami dello spazio di ricerca in cui le molecole iniziano a mostrare sottostrutture non realistiche. Possiamo quindi limitare il nostro spazio di ricerca alle sole molecole che soddisfano un insieme predeterminato di semplici criteri".
I ricercatori hanno utilizzato la loro struttura di ottimizzazione molecolare per eseguire una serie di test volti a identificare possibili radicali organici per batterie a flusso redox acquoso che potrebbero essere particolarmente stabili e promettenti. Il framework ha identificato con successo diversi candidati molecolari che soddisfacevano una specifica combinazione di criteri definiti da St. John e dai suoi colleghi.
"Abbiamo dimostrato che l'insieme dei possibili candidati per un particolare tipo di portatore di carica nelle batterie organiche a flusso redox può essere più ampio di quanto precedentemente considerato", ha affermato St. John. "Abbiamo anche dimostrato che si possono trovare molecole che potrebbero portare a batterie più semplici e ad alte prestazioni senza richiedere l'uso di metalli di transizione."
Finora, il quadro di ottimizzazione sviluppato da questo team di ricercatori si è rivelato uno strumento molto promettente per affrontare complessi problemi del mondo reale legati all'ingegneria e alla chimica. In futuro, potrebbe quindi essere utilizzato per identificare nuovi composti desiderabili e candidati molecolari per molte tecnologie diverse, comprese le batterie a flusso redox acquoso.
"Ora vorremmo esplorare l'aggiunta di criteri aggiuntivi come la solubilità e le coppie redox tra stati carichi", ha aggiunto St. John. "Ciò richiederebbe dati di formazione aggiuntivi, ma potrebbe portare a strutture candidate più promettenti". + Esplora ulteriormente
© 2022 Rete Science X
