A equipo de investigadores del Politécnico de Turín, coordinado por Profesor Eliodoro Chiavazzo – Profesor de Física Técnica Industrial y director del laboratorio SMaLL del Departamento de Energía-DENERG – y compuesto por Luca Bergamasco y Giovanni Trezza – Investigador y estudiante de doctorado respectivamente en el Departamento de Energía – con la colaboración de los grupos de investigación de Profesor Erwin Reisner de la Universidad de Cambridge (Gran Bretaña) y de Profesor Leif Hammarström de la Universidad de Uppsala (Suecia), demostró cómo algunos Técnicas de Inteligencia Artificial Se puede utilizar para acelerar los tiempos de desarrollo. Sistemas de producción de combustible solar.
El proceso estudiado representa un importante paso adelante en la producción de Combustibles solares: fuentes de energía renovables. obtenido a partir de CO2 utilizando energía solar – fundamental para reducir las emisiones de CO2 a la atmósfera y contribuir así a lucha contra el cambio climático. El nuevo estudio, recién publicado en la prestigiosa revista Revista de la Sociedad Química Estadounidensedemuestra cómo es posible mejorar el actual producción de combustibles solares haciendo uso de‘Inteligencia artificialy en particular de la técnica denominada Aprendizaje secuencial. Lo que despierta el interés de los investigadores es, de hecho, el potencial de combustibles solares, capaz de Reducir el dióxido de carbono en la atmósfera. y al mismo tiempo reutilizarlo para producir recursos útiles. A fuente renovable particularmente prometedora, cuya valorización podría contribuir a afrontar la actual crisis climática y construir un futuro más sostenible.
Centrándose especialmente en producción de monóxido de carbono (CO) – un combustible también útil como precursor de producción de otros combustibles más comunes, a partir del CO2 – el equipo de investigadores demostró cómo algunos Técnicas de Inteligencia Artificial Se pueden utilizar para “guiar” experimentos, acelerando así los tiempos de desarrollo y mejorando significativamente los procesos. producción de combustibles solares. El sistema en estudio se basa en un proceso fotoquímico, en el que un preparado compuesto por agua, tensioactivos y moléculas funcionalizantes apropiadas en contacto con CO2 se expone a la luz solar, activando la conversión de moléculas de dióxido de carbono en combustible. Dada la complejidad del sistema, su optimización requiere una gran cantidad de experimentos y análisis en diferentes condiciones (por ejemplo, diferentes composiciones y diferentes concentraciones de componentes químicos).
“l‘aprendizaje secuencial Es un enfoque en el que un modelo aprende continuamente de los nuevos datos que se le proporcionan, y es particularmente útil en contextos en los que los datos no están disponibles todos a la vez sino que se recopilan progresivamente – explica el Profesor Eliodoro Chiavazzo – Por lo tanto, los modelos “aprenden” de un conjunto inicial de algunos experimentos y pueden proporcionar indicaciones sobre qué experimentos deben realizarse a continuación. Para el sistema en cuestión, los modelos propuestos permitieron optimizar la producción de combustible solar en sólo 100 experimentos en comparación con los 100.000 que teóricamente se necesitan”. “Para este trabajo utilizamos dos de los modelos de aprendizaje secuencial más recientes disponibles en la actualidad, coordinándonos con investigadores de la Universidad de Cambridge para realizar los experimentos y analizar los resultados – comenta Giovanni Trezza – El estudio nos permitió identificar uno de los parámetros clave que regula el sistema fotoquímico considerado, que de otro modo sería muy difícil de identificar”.
“El sistema considerado para el Reducción de CO2 es en sí mismo muy innovador, porque aprovecha el autoensamblaje de tensioactivos y moléculas funcionalizantes en agregados moleculares llamados “micelas fotocatalíticas” – añade Luca Bergamasco – lo que puede mejorar enormemente la conversión de CO2 en combustible. El hecho de haber aplicado elinteligencia artificial a un sistema tan complejo, ha añadido un elemento adicional de valor al enfoque, permitiéndole demostrar plenamente su enorme potencial”.
“Hasta la fecha, las técnicas de aprendizaje secuencial todavía están relativamente poco explotadas, especialmente en el campo químico; este trabajo, en particular, representa el primer intento de aplicarlos a un ser humanosistema fotocatalítico tan complejo como el considerado – concluyen los autores del estudio – Continúan las investigaciones sobre la aplicación de estas técnicas en el campo de los combustibles solares pero no sólo eso, también para otras aplicaciones en el campo de conversión y almacenamiento de energía”.
