L'Intelligenza Artificiale ridefinisce la progettazione energetica

Il calore di scarto è una risorsa energetica ubiquitaria, presente nei motori delle automobili, nei macchinari industriali, negli elettrodomestici e persino nel corpo umano. Una parte di questa energia dispersa può essere convertita in elettricità tramite i generatori termoelettrici (TEG): dispositivi compatti e a stato solido che producono energia direttamente dalle differenze di temperatura, senza la necessità di turbine rotanti o parti in movimento. Tuttavia, la progettazione di materiali efficienti per questi sistemi è sempre stata un'impresa ingegneristica complessa, che richiede simulazioni lente ed esperimenti meticolosi per identificare combinazioni capaci di condurre elettricità e, al contempo, bloccare il flusso di calore.

Ora, un team di ricercatori giapponesi ha sviluppato uno strumento basato sull'intelligenza artificiale che promette di accelerare questo processo in modo significativo. Questo Framework, denominato TEGNet, è in grado di progettare generatori termoelettrici con una velocità diecimila volte superiore rispetto agli approcci convenzionali. I prototipi realizzati seguendo le raccomandazioni dello strumento hanno dimostrato prestazioni equivalenti a quelle dei dispositivi termoelettrici più avanzati attualmente disponibili, come evidenziato nello studio pubblicato su Nature il 15 aprile.

TEGNet: un Framework per l'ottimizzazione dei materiali

I generatori termoelettrici esistono da decenni, alimentando silenziosamente veicoli spaziali, fornendo elettricità a gasdotti in località isolate e facendo funzionare sensori remoti dove la sostituzione delle batterie è impraticabile. Tuttavia, i costi elevati e le metriche di performance modeste hanno limitato il Deployment di questi dispositivi ad applicazioni di nicchia. Le speranze di un'adozione più ampia in raffinerie di petrolio, acciaierie e altre industrie pesanti non si sono ancora concretizzate, lasciando enormi quantità di calore di scarto non sfruttate.

Il progresso nei generatori termoelettrici è stato a lungo ostacolato da un processo di progettazione lento e meticoloso. Questo perché richiede ai ricercatori di individuare materiali che possano simultaneamente condurre l'elettricità in modo efficiente e bloccare il flusso di calore. Trovare questa rara combinazione è essenziale per sfruttare l'effetto Seebeck, un fenomeno in cui una differenza di temperatura tra due semiconduttori genera una corrente elettrica. Tradizionalmente, i ricercatori impiegano giorni o settimane per valutare una singola configurazione, setacciando possibili progetti tramite lente simulazioni fisiche.

L'approccio basato sull'IA di TEGNet accelera drasticamente questa ricerca. Lo strumento, Open Source e pubblicamente disponibile, è costruito su un Framework di rete neurale addestrato per approssimare le complesse equazioni fisiche che descrivono il flusso di calore e il trasporto elettrico nei materiali termoelettrici. Invece di risolvere ripetutamente queste equazioni da zero, il modello apprende il comportamento dei materiali e li tratta come componenti modulari combinabili in molti modi diversi. Ciò consente ai ricercatori di esaminare rapidamente migliaia di potenziali architetture di dispositivi e stimarne le prestazioni in millisecondi.

Implicazioni per l'industria e il TCO

Per testare l'approccio, il team di Takao Mori, vicedirettore del Research Center for Materials Nanoarchitectonics di Tsukuba, in Giappone, ha utilizzato TEGNet per ottimizzare due tipi di progetti di generatori. Dopo aver scansionato migliaia di possibili configurazioni, l'IA ha identificato geometrie di dispositivi che promettevano prestazioni elevate. I ricercatori hanno quindi fabbricato prototipi utilizzando la sinterizzazione al plasma a scintilla. Entrambi i progetti hanno raggiunto efficienze di conversione di circa il 9 percento in condizioni di temperatura tipiche del calore di scarto industriale, dove i dispositivi termoelettrici sono più comunemente impiegati.

Sebbene un'efficienza del 9% possa non sembrare eccezionale, è importante considerare il limite di Carnot, una restrizione termodinamica fondamentale che impone un tetto intrinseco all'efficienza di qualsiasi tecnicia che converte il calore in elettricità. All'interno di questi limiti, i nuovi progetti di Mori e colleghi si classificano tra i generatori termoelettrici con le migliori prestazioni per questo intervallo di temperatura. Nel campo della termoelettricità, anche piccoli miglioramenti nell'efficienza possono determinare la fattibilità economica del recupero del calore di scarto, influenzando direttamente il TCO (Total Cost of Ownership) per le operazioni industriali.

Verso un futuro energetico più sostenibile ed economico

Un'altra limitazione dei termoelettrici è il costo dei materiali e della fabbricazione. Il settore ha a lungo dipeso da materiali semiconduttori come il tellururo di bismuto, che contiene tellurio relativamente scarso e spesso richiede una crescita cristallina e un allineamento microstrutturale attentamente controllati per raggiungere alte prestazioni. Ciò aumenta la complessità e le spese di produzione.

Al contrario, alcuni dei dispositivi progettati dall'IA e identificati da TEGNet possono essere realizzati utilizzando approcci di fabbricazione più semplici e, in alcuni casi, evitano del tutto il tellururo di bismuto. Sebbene i dettagli completi rimangano riservati a causa di collaborazioni industriali in corso, le stime preliminari dei costi suggeriscono che questi progetti potrebbero avvicinare i generatori termoelettrici alla fattibilità economica per le applicazioni di calore di scarto industriale. Mori afferma che, per la prima volta nella storia termoelettrica, si può prevedere un costo di generazione energetica industrialmente competitivo. Questo rappresenta un passo significativo verso l'adozione su larga scala di una tecnicia pulita, con implicazioni positive per l'efficienza energetica e la riduzione delle emissioni in numerosi settori industriali.