La capacità dell’intelligenza artificiale (AI) di sintetizzare grandi quantità di dati è particolarmente utile in chimica e viene già applicata alla tecnologia delle batterie delle future auto elettriche. Tuttavia, la scienza è un processo che richiede tempo. Dal concepimento di un’idea all’approfondimento del corpo di ricerca esistente sull’argomento e alla raccolta di tutte le risorse necessarie per i test possono richiedere diversi anni.
Microsoft: l’intelligenza artificiale le ha permesso di individuare un nuovo materiale per le batterie che fa risparmiare litio
Di conseguenza, i progressi rivoluzionari in settori chiave come la produzione di batterie per veicoli elettrici spesso implicano tempistiche prolungate. Tuttavia, Microsoft sostiene che l’intelligenza artificiale (AI) e il cloud computing su larga scala stanno già accelerando questo processo. L’azienda ha spiegato in dettaglio come la sua Azure Quantum Elements (AQE), una piattaforma che combina tecnologie di calcolo ad alte prestazioni (HPC) e intelligenza artificiale, sta assistendo il Pacific Northwest National Laboratory (PNNL) del Dipartimento dell’Energia degli Stati Uniti nell’identificazione di una nuova miscela di materiali con il potenziale per ridurre il contenuto di litio delle batterie. Tuttavia è importante notare che anche se la piattaforma si chiama Azure Quantum Elements, il calcolo quantistico non è coinvolto.
Il litio è un materiale relativamente raro, costoso e difficile da ottenere. Inoltre, le batterie che ne derivano sono ad alta densità di energia, quindi quando qualcosa va storto con una di esse, diventa un grosso problema, come dimostrano ampiamente le segnalazioni di incendi di veicoli elettrici. Ridurre l’uso del litio nelle batterie è sì un’impresa lodevole, ma rappresenta anche una grande sfida. La NNL dovrà rivedere tutte le ricerche pubblicate sui materiali delle batterie per formulare ipotesi per approcci alternativi.
In questo caso, tuttavia, PNNL ha utilizzato Azure per valutare tutti gli elementi che riteneva potessero essere realizzabili e da ciò l’algoritmo ha suggerito 32 milioni di potenziali sostanze inorganiche. Al sistema viene poi chiesto di eliminare le combinazioni instabili, quelle troppo reattive e infine filtra i risultati in base al loro potenziale di conduzione di energia. Alla fine, il processo ha ristretto l’elenco delle potenziali sostanze chimiche da 32 milioni a circa 500.000, per lo più nuovi materiali stabili, per poi restringere la selezione a 800.
“Trentadue milioni sono qualcosa che non potremmo mai fare… Immaginate una persona seduta che esamina 32 milioni di materiali e ne sceglie uno o due. Questo non accadrà”, ha detto a The Verge Vijay Murugesan, scienziato e leader del gruppo di scienza dei materiali presso PNNL. E in questo caso l’intero processo ha richiesto meno di 4 giorni.
A questo punto, il team PNNL utilizza tradizionalmente il calcolo ad alte prestazioni, che è una tecnologia più precisa ma più lenta rispetto all’intelligenza artificiale. Alla fine, sono riusciti a ridurre l’elenco dei potenziali prodotti chimici delle batterie a soli 23, cinque dei quali sono già noti. Questo processo avrebbe potuto richiedere un anno, ma con Azure il team lo ha completato in sole 80 ore.
Da questa ricerca, gli scienziati del PNNL hanno sintetizzato un candidato promettente che include sia litio che sodio, insieme ad altri elementi. Secondo Microsoft, il nuovo materiale riduce l’uso di litio di circa il 70% rispetto alle batterie agli ioni di litio esistenti, sostituendo parte del litio con sodio più facilmente disponibile.
