Nuovi materiali per applicazioni energetiche: studio del Politecnico di Torino

Un gruppo di ricercatori del Politecnico di Torino apre la strada a una nuova generazione di strumenti computazionali per accelerare l’identificazione di materiali sostenibili per applicazioni energetiche

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.

Cosa sono GNoME ed Energy-GNoME

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.

Le considerazioni dei ricercatori

“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”.

Oltre al contributo diretto nel campo dell’energia, il lavoro apre prospettive più ampie

Il protocollo messo a punto 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.

Contenuti correlati

• 
  Innovazione nell’industria ancora una volta al centro: il sunto di SPS Italia 2026

  Si è chiusa a Parma la quattordicesima edizione di SPS Italia, appuntamento di riferimento per l’innovazione nel mondo produttivo. Con 720 espositori e 37.528 presenze, in crescita rispetto al 2025, la manifestazione è stata vetrina delle tecnologie...
• 
  XIA, il copilota di TEX per la programmazione di PLC e CNC

  XIA è l’avanguardia tecnologica nata dalla visione di TEX. Non è un semplice assistente virtuale, ma un vero e proprio “copilota” per il programmatore PLC e CNC, progettato per massimizzare la produttività e azzerare gli errori di sviluppo tramite un’integrazione profonda con...
• 
  Ricerca di Rockwell Automation: i produttori italiani sono sempre più orientati all’esecuzione e alla crescita

  Rockwell Automation ha annunciato i risultati relativi all’Italia dell’11ª edizione del suo State of Smart Manufacturing Report. La ricerca evidenzia un cambiamento nell’approccio dei produttori italiani alla trasformazione digitale: oggi, infatti, crescita ed espansione della capacità produttiva...
• 
  L’AI fa sempre parte dell’equazione

  Notizie e opinioni relative all’AI intasano continuamente la barra laterale di potenziali post del mio blog. Dai, provateci! Provate a vedete se riuscite a passare un’ora senza imbattervi in qualche clamoroso commento o terribile avvertimento sull’AI. Leggi...
• 
  AI al servizio delle infrastrutture critiche

  TXT e-Solutions (www.txtgroup.com), gruppo italiano quotato sul segmento Star di Borsa Italiana e attivo nello sviluppo di soluzioni software ad alto contenuto tecnologico, rafforza la propria strategia nell’ambito delle infrastrutture critiche con la nascita di TXT InfraWise,...
• 
  Aveva World 2026: AI al centro dell’industria. Ecco le novità annunciate a Milano

  Aveva ha annunciato ad Aveva World 2026 un ampio pacchetto di innovazioni che coinvolgono l’intero portafoglio software dell’azienda. L’obiettivo è consentire alle imprese industriali di valorizzare più rapidamente i propri dati operativi, prendere decisioni più efficaci e adottare l’AI...
• 
  Un’architettura open per l’automotive

  L’azienda torinese IDT, in collaborazione con SDProget Industrial Software, ha realizzato una linea di assemblaggio e test per celle batteria destinata a un primario Tier 1 dell’automotive, riducendo del 50% i tempi di sviluppo grazie a una...
• 
  IFS Connect Milano: le aziende italiane sono pronte all’era AI driven?

  L’Industrial AI entra in una nuova fase: meno sperimentazione, più applicazioni concrete e scalabili nei processi industriali. È questo il messaggio emerso dalla prima edizione italiana di IFS Connect 2026, che ha incluso Milano nel roadshow internazionale...
• 
  L’AI rivoluziona il picking

  Samsung SDS digitalizza il picking con la realtà aumentata di TeamViewer Frontline: più efficienza, meno errori e operazioni hands-free. Nel magazzino di Breda la produttività cresce fino al 30%, migliorando anche ergonomia e qualità del lavoro Leggi...
• 
  L’AI enterprise si scontra con nuovi limiti: ricerca NTT Data sulle barriere legate a privacy e sovranità dei dati

  NTT Data ha pubblicato la ricerca A Playbook for Private and Sovereign AI (Guida pratica per l’AI privata e sovrana) che sintetizza il “Report globale 2026 sull’intelligenza artificiale”, evidenziando come l’intelligenza artificiale aziendale stia superando i limiti dell’architettura e...