Un nuovo metodo per studiare i catalizzatori potrebbe portare a batterie migliori
Un nuovo algoritmo apre le porte all'utilizzo dell'intelligenza artificiale e dell'apprendimento automatico per studiare le interazioni che avvengono sulla superficie dei materiali
Scienziati e ingegneri studiano le interazioni atomiche che avvengono sulla superficie dei materiali per sviluppare batterie, condensatori e altri dispositivi più efficienti dal punto di vista energetico. Ma la simulazione accurata di queste interazioni fondamentali richiede un'immensa potenza di calcolo per catturare appieno le complessità geometriche e chimiche coinvolte, e i metodi attuali stanno solo scalfendo la superficie.
"Attualmente è proibitivo e non c'è nessun supercomputer al mondo che possa fare un'analisi del genere", dice Siddharth Deshpande, professore assistente presso il Dipartimento di Ingegneria Chimica dell'Università di Rochester. "Abbiamo bisogno di modi intelligenti per gestire questo grande insieme di dati, usare l'intuizione per capire le interazioni più importanti sulla superficie e applicare metodi guidati dai dati per ridurre lo spazio del campione".
Valutando la somiglianza strutturale di diverse strutture atomiche, Deshpande e i suoi studenti hanno scoperto che potevano ottenere un quadro accurato dei processi chimici coinvolti e trarre le conclusioni pertinenti analizzando solo il due per cento o meno delle configurazioni uniche delle interazioni di superficie. Hanno sviluppato un algoritmo che riflette questa intuizione, descritto in uno studio pubblicato su Chemical Science.
Nello studio, gli autori hanno utilizzato l'algoritmo per analizzare, per la prima volta, le complessità di una superficie metallica difettosa e il modo in cui influisce sulla reazione di ossidazione del monossido di carbonio, che a sua volta può aiutare a comprendere le perdite di energia in una cella a combustibile ad alcool. Deshpande afferma che l'algoritmo che hanno sviluppato potenzia la teoria funzionale della densità, un metodo di modellazione quantistica computazionale che definisce il "cavallo di battaglia" degli ultimi decenni per lo studio della struttura dei materiali.
"Questo nuovo metodo diventa la base per incorporare l'apprendimento automatico e l'intelligenza artificiale", spiega Deshpande. "Vogliamo portare questo metodo ad applicazioni più difficili e impegnative, come la comprensione dell'interferenza elettrodo-elettrolita nelle batterie, le interazioni solvente-superficie per la catalisi e i materiali multicomponente come le leghe".
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Altre notizie dal dipartimento scienza
