Creati due database sulle molecole per batterie Redox, fruibili da tutti, umani e non

Gli scienziati dell'Istituto olandese per la ricerca energetica fondamentale (DIFFER) hanno creato un database di 31.618 molecole viste come potenzialmente adatte allo sviluppo delle batterie a flusso redox.

La Redox Flow Battery - o batteria di flusso redox - è un dispositivo di accumulo elettrochimico che rappresenta una sorta di ibrido tra una batteria convenzionale e una cella a combustibile.

A differenza delle più classiche piombo-acido o ioni di litio, in queste batterie le sostanze elettroattive si trovano disciolte nel liquido elettrolita.

Per creare e raccogliere tutti i dati contenuti nel database, i ricercatori, fra le altre cose, hanno utilizzato l'intelligenza artificiale e dei supercomputer per identificare le proprietà delle singole molecole.

Lo studio è stato pubblicato pochi giorni fa su Nature.

La piattaforma di raccolta e condivisione concentra tutti i progetti che numerosi chimici hanno portato avanti negli ultimi anni rendendoli facilmente e immediatamente accessibili a tutti, ma non solo.

Dal momento che ancora non si conoscevano le proprietà di queste molecole, come il potenziale redox e la solubilità in acqua, i ricercatori hanno dovuto prima di tutto scoprirle.

Così, avvalendosi sia dell'Intelligenza Artificiale, sia di super computer, hanno prima di tutto studiato le molecole, attraverso quattro diversi passaggi.

Il primo step ha visto i ricercatori utilizzare un computer desktop e algoritmi intelligenti per creare migliaia di varianti virtuali di due tipi di molecole, i chinoni e gli aza aromatici.

Entrambe le famiglie sono in grado di accumulare e rilasciare elettroni in modo reversibile, uno dei requisiti fondamentali per un futuro utilizzo nelle batterie a flusso redox.

Il team ha poi alimentato il computer con strutture portanti di 24 chinoni e 28 aza-aromatici oltre a cinque diversi gruppi laterali chimicamente rilevanti.

Da ciò, il software ha creato 31.618 molecole diverse.

L'iter è proseguito con l'analisi delle proprietà di ciascuna molecola.

Tramite un super computer, i ricercatori ne hanno calcolate quasi 300, sfruttando le equazioni della chimica quantistica.

La terza fase ha esplorato la solubilità delle molecole.

Dal momento che, come detto ad inizio articolo, nelle Redox Flow Battery le sostanze elettroattive si trovano disciolte nel liquido elettrolita, è imprescindibile che le molecole siano dissolvibili in acqua.

Infine, i ricercatori hanno avuto fra le mani tutti i dati necessari per creare un gigantesco e completo database, che fosse fruibile sia dall'intelligenza umana sia da quella artificiale.

La vasta banca dati ha preso il nome di RedDB (da Redox DataBase) e contiene non solo le molecole ma anche le loro proprietà, ordinatamente catalogate per denominazione e descrizione.

"Quando lavori con modelli teorici e machine learning, ovviamente vuoi essere sicuro dei risultati", afferma Süleyman Er, leader del gruppo di ricerca Autonomous Energy Materials Discovery di DIFFER. "Per questo abbiamo utilizzato programmi informatici che hanno dimostrato la loro eccellenza. A tale scopo, abbiamo anche implementato procedure di validazione dedicate".

Ora che il database è pubblico, i ricercatori, inclusi quelli esterni a DIFFER, possono facilmente cercare molecole potenzialmente interessanti per le batterie a flusso redox.

Inoltre, i ricercatori possono utilizzare il database per migliorare i loro modelli di apprendimento automatico per accelerare la progettazione di molecole di alta qualità per lo stoccaggio di energia.

Pochi giorni dopo la pubblicazione inerente alla creazione di RedDB, un altro studio, apparso a sua volta su Nature, ha rivelato la creazione di un altro database, SOMAS.

In questo caso, la raccolta dati riguarda la "Solubilità delle molecole organiche in soluzione acquosa" (SOMAS, appunto) e contiene circa 12.000 molecole che coprono regimi chimici e di solubilità più ampi, adatti ad essere utilizzate nello sviluppo di batterie a flusso redox organico acquoso.

Oltre alla solubilità sperimentale, i ricercatori hanno fornito anche otto descrittori quantistici distintivi, tra cui la geometria ottimizzata derivata da calcoli di teoria funzionale ad alta densità insieme a sei descrittori molecolari per ciascuna molecola.

Anche SOMAS è stato scritto pensando a un suo utilizzo da parte di intelligenze artificiali.

Offerte di Natale: tutti gli sconti da non perdere adesso su Amazon con PC, GoPro, Google Pixel 7, cuffie ma anche tantissimi altri prodotti super scontati!