I COMBUSTIBILI SOLARI (Solar Fuels)
“L’inaugurazione di DAWN segna l’inizio dell’era dei combustibili solari, un punto di svolta per il trasporto sostenibile…”, afferma il dott. Philipp Furler, CEO e co-fondatore di Synhelion.
L’impianto dimostra che la tecnologia per produrre combustibili solari è pronta per la produzione su larga scala e potenzialmente “de-fossilizzare” il settore dei trasporti.
A suscitare l’interesse dei ricercatori sono le potenzialità dei combustibili solari di ridurre l’anidride carbonica in atmosfera e allo stesso tempo di riutilizzarla per produrre risorse utili: la possibilità di trasformare la CO2 in energia permetterebbe inoltre di ridurre le emissioni presenti in atmosfera e contribuire a contrastare il cambiamento climatico.
In pratica, una preparazione costituita da acqua, tensioattivi e opportune molecole che in contatto con la CO2 viene esposta alla luce solare attivando la conversione delle molecole di anidride carbonica in combustibile.
I combustibili solari sono quindi carburanti sintetici ottenuti mediante processi fotoelettrochimici.
Per l’attivazione di tali processi, Dawn è stato dotato di una torre solare alta 20 metri e di un campo di specchi.
La torre solare contiene un ricevitore solare, un reattore termochimico e un accumulo di energia termica che consente una produzione di combustibile solare 24 ore su 24.
L’energia solare viene utilizzata per produrre direttamente il combustibile, utilizzando anidride carbonica e acqua come molecole di partenza.
Data la complessità del sistema, la sua ottimizzazione (evoluzione) richiederà nel seguito un elevato numero di esperimenti e analisi in condizioni diverse.
Un team di ricercatori del Politecnico di Torino ha dimostrato come le tecniche di Intelligenza Artificiale (IA) possono essere utilizzate per accelerare i tempi di sviluppo dei sistemi di produzione dei combustibili solari.
L’indagine sequenziale con l’utilizzo di IA, infatti, permetterebbe di ridurre notevolmente gli esperimenti tecnicamente necessari.
“L’apprendimento sequenziale è un approccio in cui un modello apprende continuamente da nuovi dati che gli vengono forniti…”, spiega il professor E. Chiavazzo, coordinatore dello studio pubblicato sulla rivista Journal of American Chemical Society, e “risulta particolarmente utile in contesti in cui i dati non sono disponibili tutti in una volta ma vengono raccolti progressivamente”.
I modelli quindi “imparano” da un primo set di pochi esperimenti, e sono in grado di fornire indicazioni su quali esperimenti conviene svolgere successivamente.