Compagnia di San Paolo -Bando ex-post 2020 - "EXplainable MACHINe learning..." - Cda 21/12/2021
Progetto Mitigare il cambiamento climatico significa cercare alternative ai combustibili fossili e valorizzare le energie rinnovabili. In questa
direzione, l'idrogeno rinnovabile può essere prodotto mediante elettrolisi dell'acqua utilizzando le energie rinnovabili. Quale vettore energetico efficiente, l'idrogeno può essere stabilmente immagazzinato allo stato solido in idruri metallici con elevate densità volumetriche. Tuttavia, lo sviluppo e la caratterizzazione di nuovi materiali richiede tempo e denaro.
EX-MACHINA mira a implementare uno strumento rapido e robusto per la progettazione di nuovi materiali attraverso il Machine Learning, concentrandosi sulla validazione di un protocollo e sulla modellazione delle proprietà termodinamiche degli idruri metallici a basse e alte pressioni per applicazioni stazionarie di stoccaggio dell'idrogeno. Il progetto esaminerà nuove leghe a basso costo con buone prestazioni di stoccaggio e ottimali proprietà di idrogenazione.
L'innovativo approccio a feedback consentirà di acquisire conoscenze fondamentali da statistiche avanzate, caratterizzazione dei materiali e metodi teorici a partire da un grande data mining per prevedere materiali e modelli che soddisfano i criteri chiave scientifici e tecnologici per lo stoccaggio dell'idrogeno.
La nuova combinazione di Machine Learning, Calphad ed esperimenti avanzati nel ciclo a feedback mira a:
(1) Sviluppare un unico database ampliato sugli idruri metallici integrando i database disponibili, eseguendo calcoli CALPHAD delle loro proprietà termodinamiche a bassa ed alta pressione;
(2) Svelare le interdipendenze sulle relazioni struttura-proprietà identificando le combinazioni di caratteristiche che sono le primarie
direttrici del Machine Learning;
(3) Utilizzare metodi avanzati di sintesi e caratterizzazione per produrre e integrare nuovi dati sperimentali nel Machine Learning aumentandone il potere di stima e modellizzazione;
(4) Massimizzare lo sfruttamento dei risultati della ricerca mediante un'ampia diffusione, comunicazione e tramite l'approccio open science.