Definire percorsi verso la scoperta di nuovi materiali apre a possibilità tecnologiche attualmente inimmaginabili per il nostro futuro. E un acceleratore è senz’altro rappresentato dall’intelligenza artificiale. Vediamo in che modo.

TAKEAWAY

• Delle metodologie che sfruttano l’intelligenza artificiale potrebbero avvantaggiarsi gli scienziati, per risolvere – ad esempio – le sfide globali di sostenibilità ambientale, progettando nuovi materiali per pannelli solari o batterie di qualità superiore per le auto elettriche.
• In chimica, però, la scoperta di nuovi materiali funzionali assomiglia a un lungo viaggio, in quanto esiste uno spazio infinito di possibili materiali combinando tutti gli elementi della tavola periodica.
• Di recente, è stato sviluppato un sistema di intelligenza artificiale collaborativa, che combina la capacità della macchina di esaminare le relazioni tra diverse centinaia di migliaia di materiali conosciuti – una scala irraggiungibile per gli esseri umani – e la conoscenza, l’esperienza, la creatività e il pensiero critico dei ricercatori.

---

Qual è, nei laboratori di chimica, il ruolo delle tecnologie e, più in particolare, il ruolo delle tecniche che fanno capo all’ambito di studi dell’intelligenza artificiale? Questa domanda se la pone, in particolare, il mondo della scienza, attraverso una serie di ricerche che indagano il potenziale delle metodologie che sfruttano l’intelligenza artificiale per la chimica dei materiali.

Metodologie di cui potrebbero avvantaggiarsi gli scienziati, per risolvere – ad esempio – le sfide globali relative alla sostenibilità ambientale, progettando nuovi materiali per pannelli solari o batterie di qualità superiore per auto elettriche a lungo raggio o, ancora, per sostituire i materiali esistenti utilizzando elementi meno tossici.

Tutta la moderna elettronica portatile – ci ricorda Matt Rosseinsky, ricercatore presso il Dipartimento di chimica e innovazione dei materiali dell’Università di Liverpool – è resa possibile dai materiali delle batterie agli ioni di litio sviluppate negli anni ’80, a sottolineare come una sola classe di materiali possa trasformare il nostro modo di vivere.

Definire percorsi verso la scoperta di nuovi materiali – prosegue lo studioso – apre a possibilità tecnologiche attualmente inimmaginabili per il nostro futuro. E un acceleratore è senz’altro rappresentato dall’intelligenza artificiale. Vediamo in che modo.

Intelligenza artificiale per la chimica dei materiali: lo studio dell’Università di Liverpool

In chimica, la scoperta di nuovi materiali funzionali assomiglia a un lungo viaggio – spiega il professor Rosseinsky – in quanto esiste uno spazio infinito di possibili materiali combinando tutti gli elementi della tavola periodica.

In particolare, nella chimica dei materiali allo stato solido, le informazioni sui solidi cristallini – solo per citare un esempio – sono disponibili attingendo all’ICSD – Inorganic Crystal Structure Database, il più grande database al mondo di strutture cristalline inorganiche identificate, contenente oltre 210.000 strutture.

Per i ricercatori, nel momento stesso in cui decidono quale di tali strutture esplorare per sintetizzare nuovi materiali, diventa davvero complesso tenere a mente le migliaia di caratteristiche alla base di questi composti e le diverse forme di interazione tra i loro elementi costitutivi. Finora, l’approccio comune è stato quello di progettare nuovi materiali in stretta analogia con quelli esistenti, ma questo spesso porta alla scoperta di materiali simili.

A proposito di intelligenza artificiale per la chimica dei materiali, negli ultimi anni – osserva Matt Rosseinsky – c’è stata un’ondata di studi sull’apporto degli algoritmi di machine learning nell’estrarre i modelli di chimica disponibili nel database ICSD. Algoritmi allenati su dataset contenenti informazioni sulla composizione e la struttura a livello di singolo materiale.

In questa direzione – precisa il ricercatore – sono stati compiuti progressi significativi per mezzo di due tecniche di machine learning, dove l’apprendimento supervisionato (in cui il sistema apprende mediante una correlazione tra input e output, da cui impara come prendere una decisione) deduce le relazioni tra le caratteristiche dei materiali e richiede grandi set di dati etichettati a mano per l’addestramento e l’apprendimento non supervisionato (che avviene mediante l’analisi dei risultati, senza una relazione diretta tra input e output, ma soffermandosi soltanto sulla base di output che consentono di mappare i risultati di determinate decisioni) deduce i modelli sottostanti di conoscenza chimica in assenza di dati etichettati dall’uomo.

Un sistema di intelligenza artificiale collaborativa, destinato a lavorare in sinergia con i ricercatori di chimica dei materiali

In tema di intelligenza artificiale per la chimica dei materiali, i ricercatori del Dipartimento di chimica e innovazione dei materiali presso l’Università di Liverpool, guidati dallo stesso professor Rosseinsky, hanno di recente sviluppato un algoritmo di apprendimento non supervisionato in grado di affrontare – in minor tempo e con minore sforzo – il problema della scoperta di nuovi materiali nell’ambito dei solidi cristallini.

Più nel dettaglio, lo studio – descritto in un articolo pubblicato il 21 settembre 2021 su Nature Communications – ha condotto alla messa punto di un sistema di intelligenza artificiale “collaborativa”, destinato a lavorare in sinergia con i ricercatori di chimica dei materiali.

Tale approccio collaborativo combina la capacità della macchina di esaminare le relazioni tra diverse centinaia di migliaia di materiali conosciuti – una scala irraggiungibile per gli esseri umani – e la conoscenza, l’esperienza, la creatività e il pensiero critico dei ricercatori.

Nel concreto, il sistema esamina le relazioni tra i materiali conosciuti, le quali vengono poi usate per identificare e classificare numericamente combinazioni di elementi che potrebbero formare nuovi materiali.

E tali classificazioni vengono utilizzate dagli scienziati per l’esplorazione del grande spazio chimico sconosciuto in modo mirato, rendendo le indagini sperimentali molto più efficienti, prendendo le decisioni finali informati dalle diverse prospettive offerte dall’algoritmo AI.

Intelligenza artificiale per la chimica dei materiali: i risultati della ricerca inglese

In tema di intelligenza artificiale per la chimica dei materiali, l’obiettivo del gruppo di ricercatori dell’Università di Liverpool era quello di dare vita a un sistema AI che fungesse da “guida” ai ricercatori e non che prendesse decisioni al posto loro.

Un sistema che, “catturando” le interazioni chimiche tra le centinaia di migliaia di combinazioni di elementi che forniscono materiali inorganici cristallini, aiutasse gli esperti a stabilire le priorità tra le combinazioni promettenti, classificandole quantitativamente.

Quello che è emerso in fase di studio è che, grazie a tale sistema di intelligenza artificiale collaborativa, i ricercatori hanno capito come arrivare a identificare (e a scegliere) nuove sostanze chimiche basate su combinazioni di elementi, ma non su una scala significativa.

Tuttavia, la priorità delle scelte compiute in laboratorio è fondamentale, in quanto determina un’importante base dalla quale partire per la messa a punto di algoritmi di machine learning addestrati sulla base di quantità di dati ancora più ampie, per fornire una classifica numerica ancora più puntuale delle probabilità di identificare nuove combinazioni.

Al momento, il nuovo strumento ha portato alla scoperta di quattro nuovi materiali, tra cui una nuova famiglia di materiali allo stato solido che conducono il litio, fondamentali per lo sviluppo di batterie a stato solido per una maggiore autonomia e sicurezza dei veicoli elettrici. E altri nuovi materiali – fa sapere il team di studio – sono in fase di sviluppo.