Cresco, il supercomputer Enea, impegnato nella ricerca sui materiali innovativi per la transizione energetica.

La scoperta dei materiali è un elemento chiave del ciclo di innovazione delle tecnologie di conversione, trasmissione e stoccaggio dell’energia, nonché dell’uso dell’energia. Lo sviluppo di tecnologie energetiche di nuova generazione punta a trovare e integrare nuovi materiali a un ritmo più rapido, accelerando il processo d’innovazione per materiali energetici puliti ad alte prestazioni e a basso costo e automatizzando i processi necessari per integrare questi materiali nelle nuove tecnologie. È questo uno degli obiettivi della Materials Challenge di Mission Innovation a cui l’Italia partecipa con i suoi enti di ricerca, Enea, Rse, Cnr e Iit.

Massimo Celino della Divisione sviluppo sistemi per l’informatica e l’Ict del Dipartimento Tecnologie energetiche e fonti rinnovabili di Enea ci illustra come procede la ricerca italiana. L’idea di Mission Innovation è di effettuare lo screening di un ampio set di materiali in maniera automatica e di utilizzare l’intelligenza artificiale (IA) per indirizzare le attività sperimentali e computazionali in modo da identificare rapidamente i materiali più promettenti per una data applicazione.

“La metodologia tradizionale individua una classe di materiali che viene sintetizzata scegliendone una composizione chimica e se ne misurano le caratteristiche chimico-fisiche. Successivamente si costruisce un corrispondente modello numerico e lo si studia con un supercomputer. Questa metodologia ha dei limiti perché se lo studio di quel dato materiale non va bene bisogna ricominciare tutto daccapo, cambiare i parametri di processo e le composizioni chimiche sperando che i nuovi materiali selezionati abbiano le proprietà ottiche, termiche, di conduzione che sono necessarie per l’applicazione finale. Il processo tradizionale necessita di almeno 10-20 anni per individuare il materiale nuovo con le caratteristiche desiderate. Mission Innovation propone un nuovo schema finalizzato a accelerare questo processo”.

Spiega Celino che “si costruisce un processo basato sui dati in cui una IA li interpreta mano a mano che sono disponibili dagli esperimenti e dalle simulazioni in modo da indirizzare entrambi verso i parametri di processo e le composizioni chimiche ottimali per trovare materiali con le proprietà macroscopiche ottimali. Tutti i dati sono conservati in un database, arricchiti con altri dati provenienti da altri database, e sono resi disponibili per addestrare una IA per renderla esperta dei materiali avanzati per applicazioni energetiche. L’intero processo di sintesi e caratterizzazione dei materiali diventa quindi circolare. In esso l’IA propone ad ogni iterazione, sia agli esperimenti che alla simulazione, i parametri migliori da utilizzare per sintetizzare il materiale da studiare”.

Come si procede? “Sono sintetizzati e studiati numerosi materiali e l’IA analizza questi dati e dà indicazioni agli esperimenti sul successivo set di materiali che conviene studiare. Non si va quindi a naso nella scelta dei materiali studiare ma si viene guidati dall’IA. Occorre quindi avere un’infrastruttura di supercalcolo perché bisogna studiare rapidamente tutti questi materiali ed eseguire l’IA su grandi moli di dati. L’idea quindi di Mission Innovation è quella di creare un circolo, guidato dall’IA, per arrivare a selezionare rapidamente un insieme di materiali buoni candidati per l’applicazione finale”.

Dove è indirizzata la ricerca? “Nel progetto sono state scelte tre applicazioni: materiali per le batterie, per il fotovoltaico e per gli elettrolizzatori. In ognuna di queste applicazioni ci sono materiali di riferimento e, per ognuna, andremo a considerare come migliorare le loro prestazioni. Questi materiali sono composti di più elementi chimici e trovare la giusta combinazione è la sfida che si vuole risolvere”.
“Trovare la giusta composizione chimica di questi elementi è difficile, è un processo molto lungo – spiega Celino – perché bisogna imbastire esperimenti ogni volta e farsi guidare dall’esperienza soltanto”. Un esempio, aggiunge, “è nel campo delle batterie: bisogna trovare la giusta composizione chimica che aumenti le prestazioni di elettrodi ed elettroliti. Oppure, prendiamo il caso del fotovoltaico: le celle solari a base della molecola di perovskite presentano caratteristiche molto promettenti, però bisogna tener conto che una serie di elementi chimici al loro interno sono in grado di renderle più stabili o ne aumentano le proprietà ottiche”.

Questa strategia richiede più competenze. “Sì – risponde Celino – c’è chi prepara i modelli numerici dei materiali per il supercomputer ad alte prestazioni, l’esperto di IA, l’esperto di database, ovvero di gestione dei dati, e poi accanto a queste figure ci devono essere degli informatici che rendano disponibile tutta l’infrastruttura di supercalcolo per realizzare queste simulazioni. E poi ci sono tutte le competenze necessarie a produrre dati sperimentali che andranno ad alimentare l’IA”.

Che ruolo svolge l’Enea? “L’Enea ha una infrastruttura di calcolo tra le prime in Italia, Cresco. Questa infrastruttura di supercalcolo sarà utilizzata per fare le simulazioni dei materiali e per far girare gli algoritmi dell’IA. In più ospiteremo un database per i dati che verranno prodotti nel progetto. Questo per la parte computazionale. Per la parte sperimentale, Enea è coinvolta con i suoi laboratori di batterie, fotovoltaico e elettrolizzatori (Casaccia, Portici e Frascati), laboratori che stanno predisponendo le apparecchiature sperimentali. Cobeneficiari del finanziamento sono Rse che lavorerà sulla parte fv, l’Istituto Italiano di Tecnologia (Iit) che lavorerà sia sul fv che sulla parte computazionale, sviluppando uno dei modelli per la simulazione dei materiali e per l’IA. Infine è coinvolto anche il Cnr con un’attività soprattutto nel campo sperimentale degli elettrolizzatori e del fv”.

Si tratta di un importante sforzo della ricerca per dare seguito a questa challenge. “E’ un coordinamento nazionale – precisa Celino – in cui questi quattro enti stanno mettendo a disposizione le loro infrastrutture e le loro competenze. Nostro obiettivo sarà realizzare un prototipo funzionante, dimostrare che Mission Innovation funziona, che è possibile accelerare la scoperta di nuovi materiali che abbiano caratteristiche desiderate per l’applicazione che stiamo progettando.

Tempi? “Adesso siamo solo all’inizio, stiamo inserendo nelle piattaforme di calcolo gli algoritmi di IA per svilupparne dei modelli e parallelamente i laboratori si stanno attrezzando per studiare questi materiali di cui stiamo predisponendo i modelli numerici. Speriamo poi di chiudere il circolo e di attivarlo, tra calcolo e esperimenti, guidati dall’IA. Nel terzo anno penso che avremo i primi risultati”, conclude Celino.