Nella ricerca di nuovi materiali, gli scienziati si sono tradizionalmente affidati all’armeggiare in laboratorio, guidati dall’intuizione, con una buona dose di tentativi ed errori.
Ma ora è stato scoperto un nuovo materiale per le batterie combinando due superpoteri di calcolo: l’intelligenza artificiale e il supercalcolo. Si tratta di una scoperta che evidenzia il potenziale dell’utilizzo dei computer per aiutare gli scienziati a scoprire materiali adatti a esigenze specifiche, dalle batterie alle tecnologie di cattura del carbonio ai catalizzatori.
I calcoli hanno ridotto più di 32 milioni di materiali candidati a sole 23 opzioni promettenti, riferiscono i ricercatori di Microsoft e del Pacific Northwest National Laboratory, o PNNL, in un documento presentato dall’8 al arXiv.org gennaio. Il team ha quindi sintetizzato e testato uno di questi materiali e ha creato un prototipo di batteria funzionante.
Mentre gli scienziati hanno già utilizzato l’intelligenza artificiale per prevedere le proprietà dei materiali, gli studi precedenti in genere non hanno visto questo processo fino alla produzione del nuovo materiale. “La cosa bella di questo documento è che va dall’inizio alla fine”, afferma lo scienziato dei materiali computazionali Shyue Ping Ong dell’Università della California, San Diego, che non è stato coinvolto nella ricerca.
I ricercatori hanno preso di mira un tipo di materiale per batterie ambito: un elettrolita solido. Un elettrolita è un materiale che trasferisce ioni – atomi elettricamente carichi – avanti e indietro tra gli elettrodi di una batteria. Nelle batterie standard agli ioni di litio, l’elettrolita è un liquido. Ma questo comporta dei pericoli, come le batterie che perdono o causano incendi. Lo sviluppo di batterie con elettroliti solidi è uno degli obiettivi principali degli scienziati dei materiali.
I 32 milioni di candidati originali sono stati generati tramite un gioco di mix-and-match, sostituendo diversi elementi in strutture cristalline di materiali noti. Ordinare un elenco così grande con i calcoli della fisica tradizionale avrebbe richiesto decenni, afferma il chimico computazionale Nathan Baker di Microsoft. Ma con le tecniche di apprendimento automatico, che possono fare previsioni rapide basate su modelli appresi da materiali noti, il calcolo ha prodotto risultati in sole 80 ore.
In primo luogo, i ricercatori hanno utilizzato l’intelligenza artificiale per filtrare i materiali in base alla stabilità, vale a dire se potrebbero effettivamente esistere nel mondo reale. Ciò ha ridotto la lista a meno di 600.000 candidati. Un’ulteriore analisi dell’intelligenza artificiale ha selezionato candidati che potrebbero avere le proprietà elettriche e chimiche necessarie per le batterie. Poiché i modelli di intelligenza artificiale sono approssimativi, i ricercatori hanno filtrato questo elenco più piccolo utilizzando metodi collaudati e computazionali basati sulla fisica. Hanno anche eliminato materiali rari, tossici o costosi.
Ciò ha lasciato i ricercatori con 23 candidati, cinque dei quali erano già noti. I ricercatori del PNNL hanno scelto un materiale che sembrava promettente: era correlato ad altri materiali che i ricercatori sapevano come realizzare in laboratorio e aveva una stabilità e una conduttività adeguate. Poi si sono messi al lavoro per sintetizzarlo, trasformandolo infine in un prototipo di batteria. E ha funzionato.
“È stato allora che ci siamo emozionati molto”, dice lo scienziato dei materiali Vijay Murugesan del PNNL di Richland, Washington. Il passaggio dalla fase di sintesi alla batteria funzionale ha richiesto circa sei mesi. “Questo è superveloce”.
Il nuovo elettrolita è simile a un materiale noto contenente litio, ittrio e cloro, ma sostituisce un po’ di litio con il sodio, un vantaggio in quanto il litio è costoso e molto richiesto (SN: 5/7/19).
La combinazione di litio e sodio non è convenzionale. “In un approccio usuale… non mescoleremmo questi due insieme”, afferma lo scienziato dei materiali Yan Zeng della Florida State University di Tallahassee, che non è stato coinvolto nella ricerca. La pratica tipica è quella di utilizzare ioni di litio o sodio come conduttori, non entrambi. Ci si potrebbe aspettare che i due tipi di ioni competano tra loro, con conseguente peggioramento delle prestazioni. Il materiale non ortodosso evidenzia una speranza per l’IA nella ricerca, afferma Zeng: “L’IA può in qualche modo uscire dagli schemi”.
Nel nuovo lavoro, i ricercatori hanno creato una serie di modelli di intelligenza artificiale in grado di prevedere diverse proprietà di un materiale, sulla base di dati di addestramento provenienti da materiali noti. L’architettura dell’intelligenza artificiale è un tipo noto come rete neurale a grafo, in cui un sistema è rappresentato come un grafo, una struttura matematica composta da “bordi” e “nodi”. Questo tipo di modello è particolarmente adatto per descrivere i materiali, in quanto i nodi possono rappresentare atomi e gli spigoli possono rappresentare legami tra gli elementi.
Per eseguire sia l’intelligenza artificiale che i calcoli basati sulla fisica, il team ha utilizzato Azure Quantum Elements di Microsoft, che fornisce l’accesso a un supercomputer basato su cloud su misura per la ricerca in chimica e scienza dei materiali.