La ricerca di nuovi materiali sta vivendo una fase di trasformazione radicale grazie alla sinergia tra supercomputer e AI, e potrebbe portare a risultati concreti in molteplici campi, dal nucleare alle batterie, ed è proprio del secondo caso che vi parliamo oggi. Un team dell’Università del Michigan, guidato da Venkat Vishwanathan, sta sfruttando la potenza di calcolo dei centri del Dipartimento dell’Energia presso l’Argonne National Laboratory per accelerare la scoperta di elettrodi ed elettroliti innovativi. Un compito che, fino a oggi, si è basato soprattutto su intuizioni e tentativi, con scoperte concentrate in un ristretto arco temporale tra il 1975 e il 1985, e successivi miglioramenti solo marginali.
Il cuore del progetto è rappresentato dai cosiddetti modelli fondazionali, algoritmi AI addestrati non su compiti specifici, ma su miliardi di molecole, in modo da sviluppare una “conoscenza generale” della chimica utile a prevedere proprietà cruciali per le batterie, come la conducibilità, il punto di fusione o la stabilità termica. Per realizzare un modello così vasto, i ricercatori hanno utilizzato il supercomputer Polaris, impiegando un linguaggio di rappresentazione chimica testuale (SMILES) e un nuovo strumento, SMIRK, che migliora la precisione delle simulazioni.
Mentre il primo modello è dedicato agli elettroliti, la squadra sta già costruendo una seconda rete neurale dedicata ai materiali degli elettrodi, questa volta addestrata sul potentissimo Aurora, uno dei supercomputer più avanzati al mondo.
La quantità di combinazioni chimiche teoricamente possibili supera infatti 10⁶⁰: numeri talmente grandi da rendere impensabile un approccio sperimentale tradizionale. Qui entra in gioco l’AI, che filtra e suggerisce i candidati più promettenti, riducendo tempi e costi della ricerca in laboratorio.
Un aspetto innovativo del progetto riguarda l’integrazione del modello con chatbot basati su LLM, come ChatGPT: studenti e ricercatori possono “dialogare” con il sistema, esplorando rapidamente ipotesi senza dover scrivere codice complesso. Come sottolinea Vishwanathan, è come avere ogni giorno un esperto di elettrochimica a disposizione, in grado di proporre idee e composti inediti che possono sorprendere persino i professionisti del settore.
Naturalmente, l’addestramento di modelli AI di tali dimensioni richiede infrastrutture imponenti. Attraverso il programma INCITE, il team ha ottenuto l’accesso esclusivo ai supercomputer dell’Argonne Leadership Computing Facility, superando i limiti economici e tecnici delle soluzioni cloud. La collaborazione con esperti di genomica e di altre discipline ha inoltre permesso di ottimizzare le prestazioni, dimostrando come l’interdisciplinarità sia cruciale per avanzamenti così complessi.
Questa nuova generazione di strumenti cambia il modo in cui viene concepita la ricerca scientifica, che passa dalla semplice raccolta e analisi dei dati, a un vero e proprio dialogo creativo con modelli capaci di proporre soluzioni originali. Se in passato la scoperta di materiali dipendeva dalla fortuna e dall’intuizione, oggi supercomputer e AI aprono scenari in cui l’innovazione può essere guidata da una combinazione di calcolo massivo e intelligenza artificiale predittiva.
Microsoft fa chiarezza: ecco i 5 tipi di aggiornamenti per gli Windows Insider