Di seguito tutti gli interventi pubblicati sul sito, in ordine cronologico.

Una rappresentazione simbolica di una batteria agli ioni di sodio che emerge da cristalli di sale

Per anni, il litio è stato il re incontrastato delle batterie, alimentando smartphone, laptop e veicoli elettrici. La sua egemonia, però, è minacciata da un parente stretto, economico e incredibilmente abbondante: il sodio. La tecnologia delle batterie agli ioni di sodio ha raggiunto una maturità tale da uscire dai laboratori per entrare nella produzione di massa, promettendo una rivoluzione nel campo dell'accumulo energetico e della mobilità elettrica a basso costo.

Perché il sodio può sostituire il litio
Il sodio e il litio sono chimicamente molto simili, appartengono allo stesso gruppo della tavola periodica (i metalli alcalini) e possono quindi essere utilizzati in celle elettrochimiche con un funzionamento analogo. Il vantaggio cruciale del sodio è la sua abbondanza. È il sesto elemento più comune nella crosta terrestre e può essere estratto facilmente dal sale comune (cloruro di sodio). Al contrario, il litio è molto più raro e la sua estrazione è concentrata in poche aree geografiche, con costi economici, ambientali ed etici in costante aumento. L'utilizzo del sodio elimina anche la dipendenza da altri materiali critici e costosi come il cobalto e il nichel, spesso presenti nelle batterie agli ioni di litio.

Vantaggi e svantaggi della nuova tecnologia
Nessuna tecnologia è perfetta, e anche le batterie al sodio presentano un compromesso tra vantaggi e limiti, a seconda dell'applicazione.

• Vantaggi:
  • Costo: Nettamente inferiore grazie all'abbondanza delle materie prime.
  • Sicurezza: Generalmente più stabili e meno soggette a surriscaldamento e incendi rispetto alle batterie al litio.
  • Prestazioni a basse temperature: Mantengono oltre il 90% della loro capacità anche a -20°C, un punto debole per molte batterie al litio.
  • Sostenibilità: L'estrazione del sodio ha un impatto ambientale molto più basso.


• Svantaggi:
  • Densità energetica: Inferiore a quella delle batterie al litio. A parità di peso e volume, immagazzinano meno energia.
  • Cicli di vita: Le prime generazioni hanno un numero di cicli di carica/scarica inferiore rispetto alle più mature batterie al litio, anche se la tecnologia sta migliorando rapidamente.

Le applicazioni ideali: accumulo stazionario e city car
A causa della loro minore densità energetica, le batterie al sodio non sostituiranno il litio negli smartphone o nelle auto elettriche a lunga percorrenza, dove peso e dimensioni sono critici. Tuttavia, sono la soluzione perfetta per altri due settori in enorme crescita. Il primo è l'accumulo energetico stazionario: grandi sistemi di batterie per immagazzinare l'energia prodotta da fonti rinnovabili come il solare e l'eolico, stabilizzando la rete elettrica. In questo campo, il costo è il fattore più importante, mentre peso e dimensioni sono secondari.

Il secondo campo di applicazione ideale è la mobilità elettrica urbana. Le city car, i veicoli per le consegne dell'ultimo miglio e gli scooter elettrici non necessitano di autonomie estreme. L'adozione di batterie al sodio permetterebbe di abbattere drasticamente il prezzo di questi veicoli, accelerandone la diffusione e la democratizzazione.

L'era delle batterie al sodio è appena iniziata, ma le sue fondamenta sono solide. Non si tratta di una tecnologia "killer" destinata a soppiantare completamente il litio, ma di un'alternativa complementare, strategica e incredibilmente promettente. Offrendo una soluzione più economica, sicura e sostenibile per applicazioni specifiche, il sodio ha il potenziale per accelerare la transizione energetica globale, rendendo l'energia pulita e la mobilità elettrica accessibili a tutti.

Ricercatori al lavoro per creare algoritmi di IA più efficienti e meno energivori

L'intelligenza artificiale consuma un'enorme quantità di energia, un problema che rischia di frenarne lo sviluppo e l'impatto positivo. Un gruppo di ricercatori del Dipartimento di Fisica e Astronomia dell'Università di Firenze sta affrontando questa sfida, attingendo ai principi della fisica statistica per sviluppare una nuova generazione di algoritmi più efficienti, ispirati direttamente al funzionamento del cervello umano.

Il problema energetico dell'intelligenza artificiale
I modelli di intelligenza artificiale, in particolare quelli generativi come ChatGPT, richiedono una potenza di calcolo immensa per la fase di addestramento. Questo si traduce in un consumo energetico esorbitante. Si stima che l'addestramento di un singolo modello di grandi dimensioni possa consumare l'equivalente del fabbisogno energetico annuale di centinaia di abitazioni. Questa impronta energetica non solo rappresenta un costo economico significativo, ma pone anche seri interrogativi sulla sostenibilità ambientale di questa tecnologia, proprio mentre l'IA viene proposta come strumento per risolvere problemi globali, inclusi quelli legati al cambiamento climatico.

Il cuore del problema risiede negli attuali algoritmi di apprendimento, che sono spesso "brutali" nel loro approccio, richiedendo miliardi di operazioni per apprendere compiti complessi. Il cervello umano, al confronto, è un capolavoro di efficienza: pur eseguendo compiti incredibilmente sofisticati, consuma una frazione minima di energia, paragonabile a quella di una lampadina. È proprio da questa discrepanza che parte la ricerca fiorentina.

La soluzione nella fisica statistica
Il team di Firenze, coordinato dal professor Duccio Fanelli, sta esplorando come i metodi della fisica statistica, la branca della fisica che descrive il comportamento collettivo di sistemi con un gran numero di particelle, possano essere applicati per creare reti neurali più "intelligenti" ed efficienti. L'idea è quella di imitare i meccanismi di apprendimento del cervello, dove le connessioni tra neuroni (le sinapsi) si rafforzano o si indeboliscono in base all'esperienza, in un processo continuo di ottimizzazione che richiede poche risorse.

I ricercatori stanno lavorando su modelli in cui l'apprendimento non è un processo forzato e dispendioso, ma un fenomeno emergente, una proprietà intrinseca della dinamica della rete neurale. Questo approccio potrebbe portare allo sviluppo di algoritmi che apprendono in modo più naturale e, soprattutto, con un consumo energetico drasticamente inferiore.

• Aree chiave della ricerca:
  • Sviluppo di algoritmi di apprendimento "event-driven", che si attivano solo quando necessario.
  • Studio di reti neurali "spiking", che mimano più fedelmente la comunicazione tra neuroni biologici.
  • Implementazione di modelli a basso consumo energetico per applicazioni "edge", ovvero direttamente su dispositivi come smartphone e sensori.
  • Analisi dei sistemi complessi per ottimizzare l'architettura delle reti neurali.

In definitiva, la ricerca condotta a Firenze non mira solo a un miglioramento incrementale, ma a un vero e proprio cambio di paradigma nel campo dell'intelligenza artificiale. Rendere l'IA più sostenibile è una condizione necessaria per sbloccarne appieno il potenziale, assicurando che questa rivoluzione tecnologica possa procedere in armonia con le esigenze del nostro pianeta. La fisica, ancora una volta, potrebbe fornire la chiave per comprendere e plasmare il futuro.