Intelligenza Artificiale
L'intelligenza artificiale scopre nuovi materiali per le batterie di prossima generazione
Securities.io mantiene rigorosi standard editoriali e potrebbe ricevere compensi per i link recensiti. Non siamo consulenti finanziari registrati e questo non costituisce consulenza finanziaria. Si prega di consultare il nostro divulgazione di affiliati.
Litio contro il resto
Le batterie agli ioni di litio hanno finora dominato il panorama dell'elettrificazione, in gran parte grazie alle proprietà elettriche uniche degli atomi di litio. In parole povere, il litio, essendo il 3rd l'elemento più leggero della tavola periodica, è il più potente quando si tratta di trasportare cariche con un singolo elettrone.
Fonte: Medio
Tuttavia, il litio è costoso, il che rende le batterie alternative potenzialmente economicamente interessanti. In particolare, le batterie agli ioni di sodio stanno guadagnando terreno proprio per questo motivo.
Sembra che un altro progetto possa avere un potenziale maggiore di quanto si pensasse in precedenza: le batterie agli ioni multivalenti. Utilizzano ioni metallici in grado di trasportare più elettroni contemporaneamente e potrebbero essere più convenienti delle batterie agli ioni di litio.
La recente svolta è stata ottenuta utilizzando l'intelligenza artificiale per testare milioni di combinazioni di materiali per le batterie. Questa scoperta è stata realizzata da ricercatori del New Jersey Institute of Technology (NJIT) e del Rensselaer Polytechnic Institute (RPI) (USA). I risultati sono stati pubblicati su Cell Reports Physical Science.1, sotto il titolo ”Intelligenza artificiale generativa per la scoperta di materiali di ossido poroso per l'accumulo di energia di prossima generazione".
I numerosi tipi di batterie agli ioni
Se gli ioni di litio hanno preso il sopravvento sui piccoli dispositivi elettronici e sui primi progetti di veicoli elettrici grazie alla loro densità energetica, molti altri ioni metallici possono essere utilizzati secondo lo stesso principio.
Come già detto, gli ioni di sodio rappresentano attualmente un'alternativa popolare, sempre più prodotta in serie per modelli di veicoli elettrici economici.
Un'altra opzione è quella di utilizzare magnesio, calcio, alluminio o zinco, tutti ioni polivalenti. Ciò significa che trasportano due o anche tre cariche positive.
Tuttavia, una carica maggiore comporta anche dimensioni maggiori. Entrambe le specifiche atomiche più grandi rendono difficile l'inserimento efficiente di ioni multivalenti nei materiali delle batterie, riducendone la densità in modo eccessivo da renderla commercialmente sostenibile.
Almeno, questo era vero con i materiali per batterie convenzionali sviluppati per ioni di litio o sodio. Ma questi sono ben lungi dall'essere gli unici materiali utilizzabili. Molte altre strutture cristalline potrebbero essere costruite per ospitare gli ioni il cui movimento trasporta le cariche elettriche.
"Uno degli ostacoli più grandi non era la mancanza di promettenti soluzioni chimiche per le batterie, ma l'impossibilità assoluta di testare milioni di combinazioni di materiali",
Professore Dibakar Datta - Istituto di tecnologia del New Jersey (NJIT)
L'intelligenza artificiale assiste la ricerca
Un assistente potente
Le menti umane non sono le migliori nel gestire set di dati in cui i numeri si avvicinano ai milioni. Ma le IA sono eccellenti in questo.
È una tendenza crescente dei ricercatori, soprattutto nelle scienze dei materiali o nelle biotecnologie, utilizzare la tecnologia dell'intelligenza artificiale per identificare le idee più promettenti, prima di analizzarle e testarle in modo più rigoroso.
"Ci siamo rivolti all'intelligenza artificiale generativa come metodo rapido e sistematico per setacciare quel vasto panorama e individuare le poche strutture che potrebbero davvero rendere pratiche le batterie multivalenti.
Professore Dibakar Datta - Istituto di tecnologia del New Jersey (NJIT)
In precedenza, un modello di calcolo basato esclusivamente sulla fisica non sarebbe stato in grado di gestire i calcoli estremamente complessi richiesti per modellare un nuovo tipo di struttura cristallina.
Ma i nuovi tipi di intelligenza artificiale, basati sull'apprendimento automatico e sulle reti neurali, sono più capaci di "indovinare" le proprietà generali di un materiale senza dover ricorrere a calcoli matematici formali della fisica sottostante.
Fonte: Cella
I ricercatori hanno sviluppato un sistema che si basa contemporaneamente su due diversi tipi di intelligenza artificiale, uno esperto di cristalli e uno LLM (Large Language Model), la stessa base tecnologica alla base di ChatGPT.
Fonte: Cella
Autoencoder variazionale a diffusione cristallina (CDVAE)
Il modello CDVAE ha generato 10,000 strutture, che sono state sottoposte a una serie di precisi passaggi di screening e convalida per garantire che soddisfacessero gli standard necessari.
Ad esempio, ha verificato che la distanza tra le coppie di atomi fosse sufficientemente grande, oppure che la carica del sistema fosse neutrale.
Questo metodo ha generato 42 strutture potenzialmente utilizzabili per i materiali delle batterie.
Di queste, 21 strutture corrispondevano a voci esistenti nel database, ma offrivano nuove configurazioni con differenze nella stechiometria, nei parametri reticolari o nei gruppi spaziali. Le restanti 21 strutture erano completamente nuove.
Fonte: Cella
In questo modo sono state create sia nuove versioni di materiali esistenti, precedentemente sconosciuti, sia materiali per batterie con potenzialità del tutto nuove.
LLM
I ricercatori hanno poi utilizzato Meta (FB ) Llama-3.1-8B, appositamente calibrato e adattato per generare strutture cristalline.
Fonte: Cella
Questo ha generato oltre 10,000 strutture cristalline, di cui 1,087 sono rimaste dopo averne verificato l'integrità strutturale. Utilizzando gli stessi filtri del CDVAE, sono stati individuati 13 potenziali candidati, tra cui sono state scelte le 5 strutture più stabili.
Fonte: Cella
Scorri per scorrere →
| Modello | Strutture iniziali | Candidati post-filtro | Materiali stabili finali |
|---|---|---|---|
| CDVAE | 10,000 | 42 | 21 varianti + 21 romanzo |
| LLM (Lama-3.1-8B) | 10,000+ | 13 | I 5 più stabili scelti |
Sfida alle scoperte dell'IA
Per verificare la qualità del materiale trovato, i ricercatori hanno utilizzato un metodo di verifica matematico chiamato “rilassamento DFT”, calcolando l’energia libera del materiale (collegata alla stabilità).
Si è subito scoperto che i materiali cristallini generati con LLM erano generalmente molto migliori e più stabili di quelli generati con CDVAE.
Fonte: Cella
"I nostri strumenti di intelligenza artificiale hanno accelerato notevolmente il processo di scoperta, che ha portato alla luce cinque strutture di ossido di metallo di transizione poroso completamente nuove che mostrano notevoli promesse",
Professore Dibakar Datta - Istituto di tecnologia del New Jersey (NJIT)
Si può fare?
Il team ha convalidato le strutture generate dall'intelligenza artificiale utilizzando simulazioni di meccanica quantistica e test di stabilità, confermando che i materiali potevano effettivamente essere sintetizzati sperimentalmente e che avevano un grande potenziale per applicazioni nel mondo reale.
“Questi materiali presentano canali ampi e aperti, ideali per spostare questi voluminosi ioni multivalenti in modo rapido e sicuro, una svolta fondamentale per le batterie di prossima generazione.”
Professore Dibakar Datta - Istituto di tecnologia del New Jersey (NJIT)
Il passo successivo sarà quello di collaborare con laboratori sperimentali per sintetizzare e testare i nuovi materiali progettati dall'intelligenza artificiale.
Potrebbe rendere le batterie multivalenti il prossimo passo nella tecnologia delle batterie. Finora, la mancanza di un buon materiale in grado di accogliere atomi più grandi ha bloccato lo sviluppo di questa opzione. Utilizzando materiali migliori per immagazzinare magnesio, alluminio o altri ioni di grandi dimensioni, la capacità di trasporto multielettronico di questi atomi potrebbe forse un giorno superare persino la potente capacità di trasporto di energia a singolo elettrone del litio.
Investire nell'innovazione della scienza dei materiali e dell'intelligenza artificiale
Meta: Scienza dei materiali basata sull'intelligenza artificiale
Oggi, Meta è ancora principalmente nota per le sue piattaforme social Facebook e Instagram, così come per la chat di WhatsApp. È presente anche nel settore della realtà virtuale (VR) con i suoi visori VR e il suo progetto, un po' infruttuoso, "metaverse".
È importante sottolineare, però, che Meta è un'azienda di intelligenza artificiale che ha effettuato ingenti investimenti nelle infrastrutture per realizzare il suo progetto.
Si prevede che il primo data center multi-gigawatt, denominato Prometheus, entrerà in funzione nel 2026, mentre un altro, denominato Hyperion, potrà raggiungere i 5 gigawatt nei prossimi anni.
"Stiamo costruendo anche altri cluster di Titani. Uno solo di questi copre una parte significativa dell'area di Manhattan.
A prima vista, la tecnologia LLM sembra essere utile soprattutto per attività "parlanti", come chatbot, ricerche online migliorate, istruzione e altre attività incentrate sull'uomo.
(META )
Ma questa ricerca dimostra che la capacità di LLM di apprendere il linguaggio può essere sfruttata anche per altri compiti che richiedono un'elevata quantità di dati, come imparare a "parlare" delle strutture cristalline. Lo stesso si può dire, ad esempio, per i codici genetici.
Ciò significa che i progressi negli algoritmi LLM probabilmente inaugureranno un'età dell'oro di scoperte completamente nuove nella creazione di nuovi materiali per batterie, materiali avanzati, generazione di energia, ecc., nonché nuovi tipi di proteine e materiali DNA/RNA che possono essere trasformati in medicinali, strumenti di biofabbricazione, ecc.
In questo contesto, ciò implica che aziende come Meta e i suoi modelli Lama LLM non solo stanno realizzando sostituti tecnologici potenzialmente redditizi per gli strumenti esistenti, ma potrebbero anche trasformarsi in una potenza della proprietà intellettuale anche nel mondo fisico.
In questo contesto, si potrebbe ricordare che l'attività tecnologica originale di aziende come Meta, o per quella materia Google (GOOGL ) o Microsoft (MSFT ), è stato solo un trampolino di lancio prima di trasformarli in giganti guidati dall'intelligenza artificiale e dalla proprietà intellettuale che stanno cambiando il mondo con molte nuove tecnologie, anche nel campo delle energie rinnovabili e delle scienze dei materiali.
Ultime notizie e sviluppi sulle azioni Meta (META)
Studio referenziato
1. Joy Datta, Amruth Nadimpally, Nikhil Koratkar, Dibakar Datta. Intelligenza artificiale generativa per la scoperta di materiali di ossido poroso per l'accumulo di energia di prossima generazione. Cell Reports Physical Science, Volume 6, Numero 7, 102665. 16 luglio 2025. https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(25)00264-4
