UN équipe de chercheurs de l’École Polytechnique de Turin, coordonné par Professeur Eliodoro Chiavazzo – Professeur de Physique Technique Industrielle et directeur du laboratoire SMaLL au Département Énergie-DENERG – et composé de Luca Bergamasco et Giovanni Trezza – respectivement chercheur et doctorant au département Énergie – avec la collaboration des groupes de recherche de Professeur Erwin Reisner de l’Université de Cambridge (Grande-Bretagne) et de Professeur Leif Hammarström de l’Université d’Uppsala (Suède), démontré comment certains Techniques d’intelligence artificielle peut être utilisé pour accélérer les temps de développement systèmes de production de combustible solaire.
Le procédé étudié représente une avancée significative dans la production de carburants solaires – sources d’énergie renouvelables obtenu à partir de CO2 grâce à l’énergie solaire – fondamental pour réduire les émissions de CO2 dans l’atmosphère et contribuent ainsi à lutter contre le changement climatique. La nouvelle étude, qui vient d’être publiée dans la prestigieuse revue Journal de l’American Chemical Societymontre comment il est possible d’améliorer l’actuel production de combustibles solaires Faire usage de‘Intelligence artificielleet notamment de la technique dite Apprentissage séquentiel. Ce qui suscite l’intérêt des chercheurs, c’est en effet le potentiel de les carburants solaires, capable de réduire le dioxyde de carbone dans l’atmosphère et en même temps le réutiliser pour produire des ressources utiles. UN source renouvelable particulièrement prometteuse, dont la valorisation pourrait contribuer à faire face à la crise actuelle crise climatique et construire un un avenir plus durable.
En se concentrant en particulier sur production de monoxyde de carbone (CO) – un carburant également utile comme précurseur pour production d’autres carburants plus courants, à partir du CO2 – l’équipe de chercheurs a démontré comment certains Techniques d’intelligence artificielle ils peuvent être utilisés pour « guider » des expériences, accélérant ainsi les temps de développement et améliorant considérablement les processus production de combustibles solaires. Le système étudié est basé sur un processus photochimique dans lequel une préparation composée d’eau, de tensioactifs et de molécules fonctionnalisantes appropriées en contact avec le CO2 est exposée à la lumière du soleil, activant la conversion des molécules de dioxyde de carbone en carburant. Compte tenu de la complexité du système, son optimisation nécessite un grand nombre d’expériences et d’analyses dans différentes conditions – par exemple différentes compositions et différentes concentrations de constituants chimiques.
“L‘apprentissage séquentiel il s’agit d’une approche dans laquelle un modèle apprend continuellement des nouvelles données qui lui sont fournies, et elle est particulièrement utile dans des contextes dans lesquels les données ne sont pas disponibles d’un seul coup mais sont collectées progressivement – explique le Professeur Eliodoro Chiavazzo – Les modèles « apprennent » donc à partir d’un premier ensemble de quelques expériences, et sont capables de fournir des indications sur les expériences à réaliser ensuite. Pour le système considéré, les modèles proposés ont permis d’optimiser la production de combustible solaire en seulement 100 expériences, contre 100 000 théoriquement nécessaires. « Pour ce travail, nous avons utilisé deux des modèles d’apprentissage séquentiel les plus récents disponibles aujourd’hui, en coordination avec des chercheurs de l’Université de Cambridge pour mener les expériences et analyser les résultats – commente-t-il. Giovanni Trezza – L’étude nous a permis d’identifier l’un des paramètres clés qui régulent le système photochimique considéré, autrement très difficile à identifier ».
« Le système envisagé pour le Réduction du CO2 est en soi très innovant, car il exploite l’auto-assemblage de tensioactifs et de molécules fonctionnalisantes en agrégats moléculaires appelés “micelles photocatalytiques » – ajoute Luca Bergamasco – ce qui peut grandement améliorer le conversion du CO2 en carburant. Le fait d’avoir appliqué leintelligence artificielle à un système aussi complexe, il a donc ajouté un élément de valeur supplémentaire à l’approche, lui permettant de démontrer pleinement son énorme potentiel”.
« À ce jour, les techniques d’apprentissage séquentiel sont encore relativement peu exploitées, notamment dans le domaine chimique ; ce travail, en particulier, représente la première tentative de les appliquer à un être humainsystème photocatalytique aussi complexe que celle considérée – concluent les auteurs de l’étude – La recherche sur l’application de ces techniques se poursuit dans le domaine des combustibles solaires mais pas seulement, aussi pour d’autres applications dans le domaine de conversion et stockage d’énergie».
