Usare l'intelligenza artificiale per combattere il riscaldamento globale

Usare l'intelligenza artificiale per combattere il riscaldamento globale
INFORMAZIONI SCHEDA
di

Purtroppo il riscaldamento globale è una minaccia con cui il genere umano deve fare i conti, e tra tutti i gas serra, l'anidride carbonica è il principale responsabile. Per questo motivo, trovare modi sempre più efficaci per catturare ed immagazzinare la CO2 è da sempre una sfida per ricercatori ed industrie impegnate in questa dura lotta.

Recentemente, il Prof. Barati Farimani, docente di ingegneria meccanica alla Carnegie Mellon University, ha quindi tentato di utilizzare un approccio futuristico ed innovativo, impiegando le potentissime intelligenze artificiali ed il machine learning.

"I modelli di apprendimento automatico hanno le potenzialità per scoprire nuovi composti chimici o materiali per combattere il riscaldamento globale. Possono ottenere uno screening virtuale accurato ed efficiente dei candidati allo stoccaggio di CO2 e possono persino generare composti migliori che non sono mai esistiti prima", ha spiegato il professore.

Il Prof. Farimani, nel suo nuovo studio pubblicato sulle pagine di ACS Sustainable Chemistry & Engineering, ha quindi utilizzato il machine learning per identificare particolari molecole di liquido ionico. Ma cosa sono questi composti?

I liquidi ionici (IL) sono famiglie di sali fusi che rimangono allo stato liquido a temperatura ambiente, hanno un'elevata stabilità chimica ed un'elevata solubilità di CO2, rendendoli quindi i candidati perfetti per lo stoccaggio anidride carbonica.

Purtroppo, fino ad ora, la possibilità di combinare e creare questi liquidi ionici, per sfruttarli come efficiente stoccaggio di CO2, è sempre stato estremamente difficile attraverso gli esperimenti convenzionali, mettendoli quindi in secondo piano.

Ed è qui che viene in aiuto l'apprendimento automatico, già spesso utilizzato in campo farmaceutico per creare le cosiddette "impronte digitali molecolari" insieme alle graph neural network (reti neurali a grafo), o GNN, capaci di identificare i legami molecolari e le proprietà correlate.

Infatti, per la prima volta, il Prof. Farimani ha sviluppato sia modelli di Machine Learning basati su impronte digitali che GNN in grado di prevedere l'assorbimento di CO2 nei liquidi ionici, raggiungendo un risultato mai visto prima.

"Il nostro metodo GNN raggiunge una precisione superiore nella previsione di quanta CO2 possano immagazzinare dati liquidi ionici. A differenza dei precedenti metodi di ML che si basano su funzionalità artigianali, la tecnica GNN apprende direttamente le funzionalità dai grafici molecolari", ha spiegato l'autore.

Questi importanti risultati consentiranno ai ricercatori di consigliare ulteriori metodi di progettazione di nuovi liquidi ionici e maggiormente efficienti per lo stoccaggio di CO2 in futuro. Sperando che ci diano una mano concreta per limitare il riscaldamento globale.

A proposito di intelligenze artificiali, avete letto la notizia di un'IA che ha imparato una lingua sconosciuta scioccando i tecnici di Google?

Usare l'intelligenza artificiale per combattere il riscaldamento globale