Quanto può essere sostenibile un materiale che non esiste ancora?
Un gruppo di ricerca internazionale dimostra come l’intelligenza artificiale possa tenere conto dei potenziali impatti ambientali già nella fase di ricerca di nuovi materiali
Annunci
I nuovi materiali hanno lo scopo di rendere possibili innovazioni tecniche: dai componenti elettronici più potenti ai materiali da costruzione più ecologici. Ma a cosa serve un materiale dalle proprietà eccezionali se la sua produzione consuma enormi quantità di energia o richiede materie prime scarse? Spesso tali questioni vengono prese in considerazione solo in una fase avanzata dello sviluppo dei nuovi materiali. A quel punto, potrebbero essere già state investite notevoli quantità di tempo, energia e denaro in una soluzione che si rivela inadatta all’applicazione pratica.
Un gruppo di ricerca internazionale, che comprende ricercatori dell’Università Friedrich Schiller di Jena, ha ora sviluppato una strategia grazie alla quale l’intelligenza artificiale non solo può selezionare future soluzioni materiali in base alle proprietà tecniche, ma può anche tenere conto di aspetti legati alla sostenibilità – come i potenziali impatti ambientali – fin dalle prime fasi della ricerca. A tal fine, i ricercatori propongono un approccio che combina lo sviluppo di materiali supportato dall’IA con analisi lungimiranti del ciclo di vita e altre considerazioni relative alla sostenibilità. Hanno pubblicato la loro roadmap sulla rivista specializzata «Nature Sustainability».
Domande quali: se un materiale richieda una produzione ad alto consumo energetico, quali risorse necessiti o cosa ne sia di esso alla fine del suo ciclo di vita, spesso trovano risposta solo in una fase avanzata o addirittura solo mentre è in uso in condizioni reali. Allo stesso tempo, lo sforzo richiesto per tali indagini di solito aumenta rapidamente man mano che si procede.
Nel loro articolo appena pubblicato, i ricercatori propongono di integrare i metodi di analisi del ciclo di vita direttamente nei processi di sviluppo basati sull’intelligenza artificiale e di progettarli in modo tale da consentire affermazioni predittive. «Tale analisi rileva gli impatti ambientali dall’estrazione delle materie prime, passando per la produzione e l’uso, fino alla fine del ciclo di vita di un prodotto. In futuro, queste informazioni potrebbero influenzare sin dalle prime fasi la scelta dei materiali candidati che un sistema di IA prende in considerazione e che alla fine entrano nel processo di sviluppo nel mondo reale, al di fuori dell’ambiente informatico«, afferma il Prof. Dr.-Ing. Lothar Wondraczek dell’Università di Jena. Insieme a ricercatori dell’Indian Institute of Technology di Delhi, dell’Imperial College di Londra, dell’Indian Institute of Technology di Madras, della Chalmers University of Technology e dell’Università di Göteborg, ha sviluppato il concetto di base alla base di questo lavoro.
Cinque elementi fondamentali per una ricerca più sostenibile dei materiali
La roadmap comprende cinque attività interconnesse. Le informazioni provenienti da pubblicazioni scientifiche e da altre fonti devono essere estratte automaticamente e consolidate in banche dati sui materiali e sull’ambiente. Partendo da queste, i modelli devono stimare in che modo la composizione e la struttura di un materiale siano correlate ai processi di produzione e agli impatti ambientali. Si dovranno prendere esplicitamente in considerazione diversi possibili percorsi di produzione e le relative incertezze. Infine, le prestazioni tecniche e gli impatti ambientali dovranno essere integrati congiuntamente nel processo di ottimizzazione.
Una difficoltà particolare risiede nel fatto che, per i materiali completamente nuovi, non esistono ancora dati relativi alla produzione industriale o all’uso a lungo termine. I ricercatori propongono quindi di calcolare innanzitutto vari scenari plausibili e di rendere trasparenti le incertezze associate. I modelli potrebbero poi essere gradualmente migliorati utilizzando nuovi dati sperimentali e industriali. «Una sfida particolare consiste nel collegare tra loro tipi di informazioni molto diversi», spiega N. M. Anoop Krishnan, professore presso l’Indian Institute of Technology di Delhi ed ex ricercatore ospite Humboldt presso l’Università di Jena. «In futuro, oltre ai dati misurati e alle simulazioni al computer, i modelli di intelligenza artificiale dovranno tenere conto anche delle informazioni relative ai processi di produzione, ai requisiti normativi e all’accettazione sociale di un materiale.»
Dalla plastica al vetro al cemento
Utilizzando come esempi i polimeri, il vetro, i fotoresist per la produzione di semiconduttori e il cemento, il team dimostra quanto siano variegati i requisiti per tali modelli di IA. Nel caso dei polimeri, mancano, tra l’altro, dati elaborati in modo sistematico sugli impatti ambientali; per i nuovi tipi di vetro, mancano modelli adeguati che combinino composizione, proprietà e prestazioni ambientali. Per il cemento, invece, esiste una quantità relativamente ampia di dati relativi alla valutazione del ciclo di vita, mentre la modellizzazione delle proprietà dei materiali su più scale rimane difficile.
«I modelli di IA multimodali orientati al futuro possono aiutarci a selezionare, tra la moltitudine di materiali teoricamente possibili, proprio quelli che con elevata probabilità porteranno ad applicazioni sostenibili. Tuttavia, non ci impediranno di esplorare con curiosità anche approcci improbabili in laboratorio», conclude il Prof. Wondraczek.
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
