Carburanti sintetici e altro ancora grazie al machine learning
Convertire l'anidride carbonica in prodotti chimici di valore in modo più efficiente: un ricercatore dell'Empa vuole sviluppare elettrodi migliori per l'elettrolisi della CO2
Rendere utilizzabile l'anidride carbonica: Questo è l'obiettivo della giovane ricercatrice dell'Empa Carlota Bozal-Ginesta. Nel suo progetto di ricerca, la ricercatrice vuole utilizzare l'apprendimento automatico e gli esperimenti ad alto rendimento per sviluppare elettrodi migliori per l'elettrolisi della CO2. Per questo progetto le è stata assegnata una "Empa Young Scientist Fellowship" della durata di due anni.
L'eccesso di anidride carbonica nell'atmosfera è il principale responsabile del cambiamento climatico. Allo stesso tempo, però, può anche essere una preziosa materia prima. Se filtriamo laCO2 dall'atmosfera o la catturiamo all'origine, possiamo utilizzarla per produrre carburanti sintetici e sostanze chimiche utili. Oltre all'anidride carbonica, tutto ciò che serve è l'acqua, un po' di elettricità da fonti rinnovabili e un elettrolizzatore con un catalizzatore.
Tuttavia, è proprio qui che si trova la sfida: sebbene i catalizzatori odierni per questo processo siano efficaci, non sono abbastanza specifici. L'elettrolisi produce una miscela di fino a 20 diversi composti liquidi e gassosi, che possono essere separati solo con grande sforzo. Lo sviluppo di tecnologie adeguate che forniscano specificamente uno o almeno pochi prodotti è quindi un tema centrale della ricerca, anche all'Empa.
La ricercatrice dell'Empa Carlota Bozal-Ginesta del laboratorio "Materials for Energy Conversion" sta perseguendo un approccio innovativo per migliorare gli elettrodi per l'elettrolisi della CO2. Vuole capire meglio l'influenza della struttura dell'elettrodo sulla composizione dei prodotti utilizzando il machine learning (ML). Per questo progetto di ricerca le è stata assegnata una "Empa Young Scientist Fellowship" della durata di due anni.
Una questione di struttura
Gli elettrodi più comuni utilizzati nell'elettrolisi della CO2 sono quelli a diffusione di gas. Si tratta di strutture porose rivestite con il materiale catalizzatore attivo, solitamente rame o argento. La forma, la disposizione e la densità dei pori possono influenzare il risultato della catalisi. Tuttavia, non è ancora del tutto chiaro come facciano a farlo.
Bozal-Ginesta vuole cambiare questa situazione. Per farlo, sta combinando due cose: l'apprendimento automatico e la struttura ad alto rendimento per la ricerca sull'elettrolisi della CO2, che è stata allestita nel laboratorio Materiali per la conversione energetica. "Per utilizzare l'apprendimento automatico, abbiamo bisogno di grandi serie di dati", spiega la ricercatrice. Il sistema, che può caratterizzare da otto a dieci varianti di catalizzatori contemporaneamente, è la chiave di tutto. Bozal-Ginesta combina i dati ottenuti con vari metodi di microscopia e spettroscopia.
L'apprendimento automatico viene utilizzato in tre modi. "In primo luogo, voglio capire la correlazione tra la struttura dell'elettrodo e le sue prestazioni elettrochimiche. In secondo luogo, voglio sviluppare strumenti basati sul ML in grado di identificare proprietà strutturali utili nelle immagini di microscopia degli elettrodi. Infine, voglio utilizzare questi dati per ricavare nuove strutture realistiche di elettrodi che potrebbero avere proprietà promettenti", spiega il ricercatore.
Bozal-Ginesta attribuisce particolare importanza all'uso ben ponderato della tecnologia ML. "L'apprendimento automatico e l'intelligenza artificiale sono spesso utilizzati con un approccio 'a forza bruta', con una preparazione limitata dei dati e una scarsa considerazione delle competenze esistenti", spiega la ricercatrice. Se il set di dati è incompleto o il modello è impreciso, anche i risultati non sono corretti. "Spetta ancora a noi scienziati ipotizzare e stabilire le priorità, ossia suggerire e convalidare quali informazioni svolgono il ruolo più importante nella modellazione e nella previsione delle prestazioni. Il ML è uno strumento potente per verificare le nostre ipotesi. Ma solo noi possiamo decidere cosa è veramente importante", è convinto Bozal-Ginesta.
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 Tedesco può essere trovato qui.
Altre notizie dal dipartimento scienza
