Questa innovazione potrebbe avere un impatto significativo sull'industria chimica, riducendo notevolmente il consumo energetico e le emissioni di CO2 associate ai processi di separazione. Le separazioni chimiche tradizionali sono infatti tra i processi più energivori del settore, contribuendo in modo rilevante all'impronta di carbonio globale.
Il nuovo strumento computazionale combina l'apprendimento automatico con modelli meccanicistici per valutare le prestazioni di diverse tecnologie di separazione come nanofiltrazione, evaporazione ed estrazione. Secondo Gyorgy Szekely, che ha guidato la ricerca, "siamo in grado di prevedere la separazione di milioni di molecole rilevanti in settori come farmaceutica, pesticidi e pigmenti".
I ricercatori hanno validato sperimentalmente il potere predittivo del modello ibrido utilizzando tre casi di studio industriali, riscontrando "un'eccellente corrispondenza tra i valori previsti dal nostro modello e i valori misurati per questi processi", afferma Szekely.
Nel complesso, i ricercatori stimano che il consumo energetico e le emissioni di CO2 delle separazioni industriali potrebbero essere ridotti in media del 40% utilizzando questo metodo. Gergo Ignacz, membro del team di Szekely, sottolinea che "per la maggior parte dei casi, la nanofiltrazione, l'evaporazione o l'estrazione emergevano come chiaro vincitore, con un metodo che superava significativamente gli altri in base a metriche economiche ed energetiche".
Potenziale impatto e sviluppi futuri
Sebbene il potere predittivo del modello si sia dimostrato elevato, c'è ancora margine di miglioramento e ulteriore convalida. Szekely incoraggia la comunità scientifica a utilizzare gli strumenti sviluppati, resi disponibili come open access attraverso il database OSN (www.osndatabase.com).
L'adozione diffusa di questo approccio potrebbe portare a una significativa riduzione dei costi operativi, del consumo energetico e delle emissioni di carbonio nell'industria chimica. La possibilità di valutare rapidamente milioni di potenziali opzioni di separazione permetterà alle aziende di prendere decisioni più informate e sostenibili, contribuendo agli sforzi globali di mitigazione del cambiamento climatico.