Un gruppo di ricercatori ha sviluppato un algoritmo basato sull’Intelligenza Artificiale in grado di prevedere la struttura e le proprietà di oltre 31 milioni di materiali che ancora non esistono. Questo algoritmo, tra le altre cose, potrebbe anche potenzialmente migliorare l’efficienza delle batterie a litio.
Lo strumento intelligente, che prende il nome di M3GNet, potrebbe portare alla scoperta di nuovi materiali con proprietà eccezionali, inedite e in un certo modo rivoluzionarie. Questo quanto affermato con estrema certezza dall’intero team dell’Università della California di San Diego che si sta attualmente occupando di questo progetto così ambizioso ed interessante.
M3GNet è stato in grado di popolare istantaneamente un vasto database di materiali ancora da sintetizzare, di cui siamo del tutto ignari. Inoltre, gli ingegneri stanno già utilizzando questa nuova tecnologia nella loro ricerca di elettrodi più densi che potrebbero giovare fortemente alla struttura e resistenza delle batterie agli ioni di litio utilizzate ormai in tutto, dagli smartphone alle auto elettriche.
Algoritmo M3GNet, la nuova tecnologia che potrebbe migliorare notevolmente le batterie a litio
Il database matterverse.ai e l’algoritmo M3GNet potrebbero potenzialmente espandere lo spazio di esplorazione dei materiali di ordini di grandezza. Quel che sembra una banalità è in realtà un punto di svolta decisivo nella scienza. Il professore di nanoingegneria della UC San Diego, Shyue Ping Ong, ha descritto M3GNet come “un AlphaFold per i materiali”, riferendosi all’innovativo algoritmo creato da DeepMind di Google che può prevedere le strutture proteiche.
“Come per le proteine, dobbiamo conoscere la struttura di un materiale per prevederne le proprietà”, ha annunciato il professor Ong. “Crediamo davvero che l’architettura alla base di M3GNet lo renda uno strumento di trasformazione che può espandere notevolmente la nostra capacità di esplorare nuovi rapporti chimici e strutture dei materiali“. Il team ha ora in programma di espandere in modo significativo il numero di materiali presenti nel database, pur continuando a studiare quali materiali potrebbero rivelarsi utili nell’aiutare future scoperte scientifiche.
Si stima che più di un milione dei 31 milioni di materiali sul database matterverse.ai siano abbastanza stabili da poter essere utilizzati a breve o in futuro, in svariati progetti. Uno studio che approfondisce il nuovo strumento con Intelligenza Artificiale è stato pubblicato in questi giorni sulla rivista scientifica Nature Computational Science.