La ricerca di nuovi materiali sta vivendo una fase di trasformazione radicale grazie alla sinergia tra supercomputer e lìe potrebbe portare a risultati concreti in molteplici campi, dal nucleare alle batterie, ed è proprio del secondo caso che vi parliamo oggi. Un team dell’Università del Michigan, guidato da Venkat Vishwanathan, sta sfruttando la potenza di calcolo dei centri del Dipartimento dell’Energia presso l’Argonne National Laboratory per accelerare la scoperta di elettrodi ed elettroliti innovativi. Un compito che, fino a oggi, si è basato soprattutto su intuizioni e tentativi, con scoperte concentrate in un ristretto arco temporale tra il 1975 e il 1985, e successivi miglioramenti solo marginali.
Il cuore del progetto è rappresentato dai cosiddetti modelli fondazionali, algoritmi AI addestrati non su compiti specifici, ma su miliardi di molecole, in modo da sviluppare una “conoscenza generale” della chimica utile a prevedere proprietà cruciali per le batterie, come la conducibilità, il punto di fusione o la stabilità termica. Per realizzare un modello così vasto, i ricercatori hanno utilizzato il supercomputer Polaris, impiegando un linguaggio di rappresentazione chimica testuale (SMILES) e un nuovo strumento, SMIRK, che migliora la precisione delle simulazioni.
Mentre il primo modello è dedicato agli elettroliti, la squadra sta già costruendo una seconda rete neurale dedicata ai materiali degli elettrodiquesta volta addestrata sul potentissimo Aurora, uno dei supercomputer più avanzati al mondo.
