Svelato il mistero dell'IA: chimica innovativa per l'energia solare e oltre
RomeI ricercatori hanno recentemente migliorato la stabilità delle molecole utilizzate nell'energia solare, combinando intelligenza artificiale e sintesi chimica automatizzata. Gli scienziati dell'Università dell'Illinois a Urbana-Champaign e dell'Università di Toronto hanno collaborato su questo progetto. Hanno impiegato l'AI per comprendere le regole chimiche che aumentano la stabilità delle molecole. Il loro successo principale è stato creare molecole per la raccolta della luce che sono fino a quattro volte più stabili rispetto alle versioni precedenti.
Il loro metodo presenta diversi punti interessanti.
Questa ricerca va oltre l'energia solare. Rendendo i "processi dell’IA trasparenti", gli scienziati possono ora comprendere meglio cosa rende stabili i composti chimici. Questo potrà accelerare le future indagini e aiutare a identificare candidati adatti per farmaci e nuovi materiali.
Le celle solari organiche possono beneficiare enormemente da questo studio. A differenza dei pannelli tradizionali in silicio, i fotovoltaici organici sono leggeri e flessibili, ma hanno avuto problemi di stabilità. Capire cosa rende queste molecole stabili alla luce ci avvicina a rendere le celle solari organiche più affidabili ed efficienti. Questo potrebbe rivoluzionare il campo delle energie rinnovabili.
L'uso dell'IA nella sintesi chimica ha risolto un grande problema nell'energia solare e aperto nuove strade per scoperte scientifiche. Aggiornando costantemente l'IA con dati reali, i ricercatori hanno creato un sistema potente per la ricerca chimica. Questo metodo può essere applicato ad altre sfide complesse, migliorando il futuro della scienza dei materiali in modo efficace.
Lo studio è pubblicato qui:
http://dx.doi.org/10.1038/s41586-024-07892-1e la sua citazione ufficiale - inclusi autori e rivista - è
Nicholas H. Angello, David M. Friday, Changhyun Hwang, Seungjoo Yi, Austin H. Cheng, Tiara C. Torres-Flores, Edward R. Jira, Wesley Wang, Alán Aspuru-Guzik, Martin D. Burke, Charles M. Schroeder, Ying Diao, Nicholas E. Jackson. Closed-loop transfer enables artificial intelligence to yield chemical knowledge. Nature, 2024; DOI: 10.1038/s41586-024-07892-120 novembre 2024 · 17:56
Salto sensoriale: l'AI riconosce le texture delle superfici con tecnologia quantistica
Condividi questo articolo