L’intelligenza artificiale entra nel cuore della ricerca sui materiali avanzati e punta a cambiare radicalmente il modo in cui vengono sviluppate le tecnologie per la sostenibilità industriale. È questo il risultato del progetto presentato da NTT DATA, realizzato insieme all’Università di Palermo e all’Università di Catanzaro, che ha portato alla creazione di un framework capace di accelerare fino a 20 volte la scoperta di nuovi catalizzatori per la cattura e conversione della CO₂.

La ricerca affronta uno dei nodi centrali della transizione energetica globale: ridurre l’impatto delle emissioni industriali attraverso processi più efficienti e sostenibili. Il progetto dimostra come la combinazione tra machine learning, chimica computazionale e analisi avanzata dei dati possa trasformare attività scientifiche tradizionalmente lente e costose in processi predittivi, rapidi e replicabili.

Come funziona il framework di IA

Il sistema sviluppato rientra nell’ambito della cosiddetta material informatics, disciplina che utilizza dati e modelli di intelligenza artificiale per accelerare la scoperta di nuovi materiali. Nel caso specifico, il framework integra dati chimici, tecniche di feature engineering e algoritmi avanzati per esplorare enormi spazi chimici che sarebbero impossibili da analizzare con i soli approcci tradizionali.

Grazie a questa infrastruttura, il sistema riesce ad analizzare milioni di candidati molecolari e a individuare quelli più promettenti per applicazioni industriali. L’obiettivo è identificare catalizzatori in grado di rendere più efficiente la conversione della CO₂, uno dei processi chiave per ridurre l’impatto ambientale di diversi comparti produttivi.

La scoperta dei nuovi catalizzatori

Uno dei risultati più significativi della ricerca riguarda l’individuazione di una nuova classe di catalizzatori omogenei basati su sali metallici. In particolare, i sistemi a base di manganese hanno mostrato un forte potenziale nella conversione efficiente della CO₂ e nella stabilità del rilascio del prodotto finale.

La scoperta rappresenta un passo importante non soltanto per il settore energetico, ma anche per l’intera industria dei materiali avanzati. Tecnologie di questo tipo potrebbero contribuire a rendere più sostenibili processi industriali oggi altamente emissivi, accelerando il percorso verso gli obiettivi europei di neutralità climatica.

Un modello applicabile a più settori

Secondo i promotori, il framework sviluppato non si limita alla sola conversione della CO₂. La metodologia può infatti essere applicata in numerosi comparti ad alta intensità di ricerca e sviluppo, dall’energia alla chimica, fino al farmaceutico e ai materiali avanzati.

Tra i vantaggi indicati dal progetto ci sono:

• l’accelerazione del time-to-market;
• la riduzione dei costi e dei rischi di sviluppo;
• il collegamento tra obiettivi di sostenibilità e performance industriali.

In questo scenario, l’intelligenza artificiale non viene vista solo come uno strumento di automazione, ma come una leva strategica per rendere più competitivo il sistema industriale europeo.

NTT DATA ha avuto il compito di progettare e implementare il framework di IA. L’azienda ha sviluppato un database dedicato alle proprietà chimiche, algoritmi per convertire le strutture molecolari in descrittori leggibili dai computer e modelli di deep learning e intelligenza artificiale generativa in grado di apprendere le relazioni tra struttura e proprietà dei materiali.

L’obiettivo dichiarato è trasformare la scoperta dei materiali da processo intuitivo a esplorazione predittiva su larga scala, aprendo la strada a una nuova generazione di innovazione industriale sostenibile.

“Abbiamo sviluppato un framework di intelligenza artificiale per supportare i flussi di lavoro dell’informatica dei materiali a livello industriale”, ha affermato Antonio Policicchio, responsabile del settore Quantum Computing e Informatica dei Materiali presso NTT DATA Italia. “Questo approccio accelera l’innovazione sostenibile e rafforza la competitività industriale”.

Il contributo delle università

I partner accademici hanno garantito il supporto scientifico attraverso competenze avanzate nel campo della chimica computazionale. Il loro contributo ha permesso di validare i modelli e individuare parametri chiave per migliorare l’efficienza dei catalizzatori.

“Integrando machine learning e simulazioni atomistiche, abbiamo individuato i parametri chiave necessari per ottenere catalizzatori più efficienti”, ha affermato Adriana Pietropaolo dell’Università di Catanzaro.

“Questa collaborazione fa da ponte tra l’eccellenza accademica e le esigenze dell’industria, dando slancio all’innovazione globale dal Sud Italia”, ha aggiunto il professor Giampaolo Barone dell’Università di Palermo.

Il progetto finanziato dall’ICSC

L’iniziativa è stata finanziata dallo Spoke 7 del Centro Nazionale di Ricerca in HPC, Big Data e Quantum Computing (ICSC), dedicato ai materiali e alle scienze molecolari. Il progetto si inserisce nelle strategie nazionali per lo sviluppo di tecnologie deep tech ad alto impatto industriale.

“Il progetto dimostra come l’ICSC sia in grado di riunire competenze del settore pubblico e privato per sviluppare soluzioni deep tech con un impatto industriale concreto. Esso riflette perfettamente la missione dello Spoke 7, applicando la ricerca sui materiali avanzati a sfide strategiche quali la cattura e la conversione della CO₂”, ha commentato Stefano Fabris, responsabile dello Spoke 7 del Centro Nazionale ICSC e Direttore del Dipartimento di Scienze Fisiche del Consiglio Nazionale delle Ricerche.