Intelligenza artificiale Facebook

Facebook utilizza la sua intelligenza artificiale a favore delle energie rinnovabili

Facebook alavoro con un algoritmo di apprendimento automatico per trovare nuovi catalizzatori per le energie verdi
Facebook utilizza la sua intelligenza artificiale a favore delle energie rinnovabili FASTWEB S.p.A.

La nostra soluzione tradizionale alla natura imprevedibile delle fonti di energia rinnovabile come l'energia solare ed eolica è stata generalmente quella di scaricare in modo semplice il wattaggio in eccesso nella rete locale o di conservarlo in batterie di grandi dimensioni. Ma poiché una parte sempre maggiore della nostra generazione di energia è creata da energie rinnovabili, le loro capacità di produzione può potenzialmente superare quella della rete locale, mentre la tecnologia delle batterie può diventare rapidamente proibitivamente costosa su larga scala.

Un'alternativa è mettere quella potenza in eccesso al servizio di reazioni catalitiche. "Ci sono molti modi diversi in cui possiamo immagazzinare l'energia", ha detto a Engadget Zack Ulissi, professore assistente CMU di ingegneria chimica, scienza e ingegneria dei materiali. "Il più noto è prendere l'acqua e compiere l'elettrolisi per dividerla in idrogeno e ossigeno. Poi possiamo prendere quell'idrogeno e inserirlo in una cella a combustibile a idrogeno." Potremmo anche usarlo per produrre metanolo, una materia prima di base per l'industria chimica, o produrre etanolo da utilizzare come combustibile liquido, ha aggiunto. Potremmo persino ricatalizzare l'etanolo, strappando direttamente gli elettroni dalle rispettive molecole con qualsiasi combustione, grazie a una scoperta del 2019 dell'Università dell'Arkansas e del Brookhaven National Laboratory.

Ma affinché il processo catalitico sia praticabile ed efficace, il catalizzatore deve essere il più efficiente possibile. Tuttavia, dato che i catalizzatori sono tipicamente costituiti da una combinazione di 3 o 4 elementi scelti tra quasi 50 elementi potenziali e, se presi insieme a una serie di altre variabili chimiche e strutturali, dal rapporto degli ingredienti alla configurazione degli elementi alla forma della superficie fisica del catalizzatore - ci sono miliardi di potenziali modi per costruire un catalizzatore "migliore". E questo è solo per una singola reazione chimica.

Il processo per indagare su nuovi potenziali composti è quindi piuttosto lento e proprio per accelerare il processo di creazione del catalizzatore, Facebook AI ha collaborato con la Carnegie Mellon University per l'Open Catalyst Project. Hanno in programma di addestrare algoritmi di apprendimento automatico su dati open source per "prevedere con precisione le interazioni atomiche molto più velocemente delle simulazioni pesanti su cui gli scienziati fanno affidamento oggi", secondo un post del blog di mercoledì dell'azienda.

Tali simulazioni includono la teoria della funzione della densità (DFT), un sistema meccanico quantistico che gli ingegneri chimici impiegheranno spesso per trovare i candidati più promettenti ed evitare potenziali vicoli ciechi della ricerca. "La teoria del funzionale della densità è un modo per risolvere il modo in cui gli elettroni interagiscono nel sistema, in pratica si tenta di calcolare la densità elettronica", ha spiegato Ulissi. "DFT dice che, conoscendo la densità elettronica, di conseguenza possiamo conoscere l'energia finale effettiva del sistema."

Ora, se si pensa che l'uso della meccanica quantistica per simulare i movimenti relativi di elettroni, atomi e molecole in un sistema a molti corpi nel tentativo di trovare la configurazione con l'energia finale più bassa (lo "stato rilassato") richiede una quantità assurda di potenza di elaborazione e tempo per calcolare, hai ragione. Anche con l'accesso ai server di fascia alta di Facebook, i calcoli di rilassamento possono richiedere da 12 a 72 ore per una singola iterazione di materiale candidato.

Quindi, piuttosto che provare a forzare questi miliardi di permutazioni, Facebook e CMU hanno stabilito il set di dati Open Catalyst 2020, una raccolta di 1,3 milioni di rilassamenti degli adsorbimenti molecolari sulle superfici e pianificano di sfruttarlo per addestrare algoritmi di apprendimento automatico sulla "fisica fondamentale governare la meccanica quantistica, insegnando ai modelli ad approssimare l'energia e le forze delle molecole sulla base di dati passati".

Non solo un set di dati così ampio dovrebbe aiutare a migliorare notevolmente le capacità di generalizzazione dei modelli di apprendimento automatico, ma anche insegnare loro "la fisica sottostante che governa le molecole alle interfacce inorganiche", ha affermato Larry Zitnick, ricercatore di Facebook AI nel post del blog di mercoledì.

Se i ricercatori riescono ad addestrare un modello machine learning, ha osservato Zitnick, "possiamo prendere qualcosa che prima richiedeva otto ore ed è probabile che potremmo essere in grado di ottenere gli stessi risultati, ma in meno di un secondo, sostituendo sostanzialmente DFT con un algoritmo di apprendimento automatico". "Quello a cui stiamo davvero pensando è come possiamo utilizzare l'intelligenza artificiale o il machine learning per aiutarci in questo processo di selezione dei 'candidati' più interessanti", ha detto Ulissi, "aiutandoci a identificare tendenze e ottenere informazioni di livello superiore su ciò che sta succedendo in modo da poter guidare lo sperimentatore in una direzione."

"Questo è ciò a cui miriamo", ha risposto Zitnick. "Vogliamo iniziare personalmente l'esplorazione della catalisi su larga scala, non solo testarla su 10, o 10.000, o 100.000 o milioni, ma iniziare a testare miliardi di possibilità diverse".

In quanto tale, il set di dati Open Catalyst 2020 è stato reso open source e disponibile per la comunità di ricerca. Zitnick spera di mettere insieme una Sfida Facebook utilizzando il set di dati nel prossimo futuro.

Fonte: engadget.com
Condividi
Ebook
Sicurezza in Rete: ne sai abbastanza?
Strumenti utili, suggerimenti pratici e tutto quello che devi assolutamente sapere per proteggere davvero i tuoi dispositivi e i tuoi dati personali quando sei connesso
scarica l'ebook
ChiudiChiudi Questo sito usa cookies di profilazione, propri e di terzi, per adeguare la pubblicità alle tue preferenze.
Clicca qui per maggiori informazioni o per conoscere come negare il consenso. Se chiudi questo banner o accedi ad altri elementi della pagina acconsenti all'uso dei cookies.

Iscriviti alla
newsletter del
Digital Magazine di
Fastweb

Riceverai ogni settimana le notizie più interessanti sul mondo della tecnologia!
Iscriviti

Grazie per esserti iscritto!

Abbiamo inviato una mail all'indirizzo che hai indicato: per completare l'iscrizione alla newsletter del Digital Magazine di FASTWEB clicca sul link all'interno della mail