▾ G11 Media Network: | ChannelCity | ImpresaCity | SecurityOpenLab | Italian Channel Awards | Italian Project Awards | Italian Security Awards | ...
InnovationCity

: L'innovazione per le PMI al centro dell'evento del prossimo 24 febbraio 2026 | Lainate (Milano) | La Pista

PoliTo: grazie all'IA è possibile sviluppare migliaia di nuovi materiali per l’energia

Il protocollo messo a punto dal Politecnico di Torino mira ad essere un riferimento metodologico per la comunità scientifica, offrendo una via rapida e scalabile per esplorare nuovi materiali in settori diversi, dall’elettronica avanzata alla biomedicina, fino alle tecnologie quantistiche e a quelle emergenti per la sostenibilità.

Intelligenza Artificiale

Un team di ricercatori del Politecnico di Torino composto da Paolo De Angelis, Giulio Barletta, Giovanni Trezza, Pietro Asinari ed Eliodoro Chiavazzo del laboratorio SMaLL – presso il Dipartimento Energia-DENERG – ha sviluppato un innovativo protocollo basato su Intelligenza Artificiale per selezionare, tra centinaia di migliaia di materiali finora inesplorati, i candidati più promettenti per applicazioni energetiche. Lo studio, pubblicato sulla rivista Energy and AI, introduce Energy-GNoME, il primo database “evolutivo” ad integrare algoritmi di Machine Learning con i preziosi dati del progetto GNoME (Graph Networks for Materials Exploration), sviluppato da Google DeepMind.

GNoME ha recentemente messo a disposizione della comunità scientifica un patrimonio senza precedenti: centinaia di migliaia di materiali mai studiati prima e teoricamente stabili, individuati grazie a tecniche di intelligenza artificiale generativa. Tuttavia, questi materiali non sono stati “caratterizzati”, ovvero non ne sono state indicate le possibili applicazioni tecnologiche. È proprio in questo contesto che si inserisce Energy-GNoME: il metodo sviluppato al Politecnico di Torino permette di individuare, tra l’enorme mole di candidati proposti da GNoME, quelli più ricchi di potenziale per il settore energetico, fornendo così un ponte essenziale tra la generazione di nuovi materiali e il loro utilizzo pratico.

Il protocollo utilizza un approccio in due fasi: prima, un sistema di “esperti artificiali” che - votando a maggioranza - identificano i composti con maggiori probabilità di possedere proprietà utili per applicazioni energetiche; successivamente, altri modelli opportunamente addestrati ne stimano con precisione i parametri chiave. Questo metodo consente di ridurre drasticamente il numero di candidati ritenuti utili per una certa applicazione tecnologica, ma al tempo stesso propone migliaia di nuove soluzioni per la conversione e lo stoccaggio di energia.

“Con Energy-GNoME abbiamo voluto dimostrare come l’Intelligenza Artificiale possa essere non solo uno strumento di analisi, ma un vero acceleratore di scoperta scientifica, capace di imparare dall’esperienza umana e crescere con i contributi della comunità. Allo stesso tempo puntiamo a risolvere una sfida cruciale dell’AI generativa: non basta esplorare alla cieca nuove possibilità, serve anche indirizzare questa esplorazione verso obbiettivi utili, perché un cristallo è solo un composto chimico, è la sua funzione ingegneristica che lo rende un materiale”, spiega Paolo De Angelis, primo autore dello studio.

“Un’importante merito del progetto risiede proprio nella natura “evolutiva” del database: attraverso una libreria Python open-source e linee guida rese pubbliche su GitHub, la comunità scientifica potrà contribuire con nuovi dati sperimentali o teorici, alimentando un processo iterativo di apprendimento attivo. In questo modo, la piattaforma è destinata a evolvere e a migliorare costantemente la sua capacità predittiva”, precisano Giulio Barletta e Giovanni Trezza.

“Questo approccio rappresenta una nuova frontiera nella modellazione dei materiali per le applicazioni energetiche: da un lato combina e sfrutta i saperi derivati da metodi sperimentali, teorici e di apprendimento automatico; dall’altro rende disponibile la conoscenza sintetizzata in un linguaggio interoperabile e accessibile, favorendo l’adozione e l’adattamento da parte di comunità scientifiche diverse”, aggiunge Pietro Asinari.

“Il nostro contributo principale è duplice: da un lato, aver reso disponibili alla comunità scientifica un’ampia selezione di nuovi materiali promettenti per applicazioni energetiche; dall’altro, aver messo a punto un protocollo metodologico che può essere facilmente esteso anche ad altri ambiti oltre a quelli trattati nello studio”, conclude Eliodoro Chiavazzo, coordinatore della ricerca. “In questo senso, Energy-GNoME non è solo un database, ma una vera e propria mappa per orientare futuri studi sperimentali e computazionali, accelerando l’esplorazione dei materiali avanzati in molteplici campi”.

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato
Iscriviti alla nostra Newsletter Gratuita. Iscriviti
Rimani sempre aggiornato, seguici su Google News! Seguici

Related news

Ultime Notizie

Nucleare, passo avanti per il DTT: pronto il primo generatore a radiofrequenza per la fusione

Dalla sua realizzazione sono attese risposte di grande rilievo scientifico e tecnologico ad alcune sfide ancora aperte sul cammino della produzione di energia da fusione, come ad esempio la gestione dei grandi flussi di potenza prodotti dal plasma.

13-02-2026

Un progetto europeo studia nuove proteine per un’alimentazione più sostenibile

Il progetto europeo PROTEIN4IMPACT punta allo sviluppo di Nuovi Alimenti Proteici derivati da fonti non convenzionali, tra cui sottoprodotti agroalimentari, funghi, batteri, insetti e alghe.

13-02-2026

Sinergia per l'innovazione: Amazon al fianco dei Giovani Imprenditori di Confcommercio

In partenza il Next Retail Lab, il programma nazionale di formazione, realizzato da Develhope, per supportare le imprese del commercio nella crescita digitale.

13-02-2026

Olimpiadi Milano-Cortina, le novità in tema di micromobilità condivisa

Dott, operatore della micromobilità urbana condivisa, supporta Milano per le Olimpiadi invernali. Con l'opzione Champion Pass ci si può spostare in città a prezzi convenienti.

12-02-2026

Notizie più lette

1 Milano-Cortina 2026, come sono fatte realmente le medaglie

Al centro di qualche polemica, le medaglie, da sempre, sono il sogno degli atleti. Durante l'evento olimpionico in corso in questi giorni verranno assegnate 245 medaglie d’oro, 245 di argento e 245 di bronzo per i soli Giochi Olimpici. A cui si aggiungono 137 medaglie d’oro, 137 di argento e 137 di bronzo per i Giochi Paralimpici. Ma come sono fatte realmente le medaglie? Ve lo spieghiamo, partendo dal fatto che si differenziano tra "Olimpiadi" e "Paralimpiadi" per il logo.

2 PoliMi: il mercato dell'intelligenza artificiale a fine 2025 vola a 1,8 mld (+50%). Un italiano su due la usa al lavoro

Secondo gli ultimi dati dell'Osservatorio Artificial Intelligence PoliMi, il 71% delle grandi imprese ha progetti di AI, ma solo una su cinque la utilizza in modo pervasivo in diverse funzioni. Oggi l’84% delle grandi aziende ha licenze di Generative AI (GenAI).

3 Gli strumenti di previsione meteorologica basati sull'intelligenza artificiale migliorano la meteorologia

Benoit de Chateauvieux, Climate Tech Solutions Architect di Amazon Web Services, pone l'attenzione su come l’intelligenza artificiale e gli Open Data stiano trasformando le previsioni meteorologiche. L’articolo approfondisce il caso di Brightband e mostra come, grazie ai dati NOAA disponibili su AWS, sia possibile sviluppare modelli di forecasting più accurati, veloci e sostenibili, con costi computazionali drasticamente inferiori rispetto ai sistemi tradizionali.

4 PoliMi: la Smart Home italiana vale 1 miliardo, la usa il 60% della popolazione

Secondo i dati rilevati dall'Osservatorio Internet of Things del PoliMi, l’Intelligenza Artificiale diventa il principale driver di innovazione e nascono nuovi modelli di servizio.

Iscriviti alla nostra newsletter

Join our mailing list to get weekly updates delivered to your inbox.

Iscriviti alla newsletter

www.innovationcity.it - 8.3.23 - 4.6.4