Un team del Politecnico (Paolo De Angelis, Giulio Barletta, Giovanni Trezza, Pietro Asinari ed Eliodoro Chiavazzo, laboratorio SMaLL, DENERG) ha messo a punto Energy-GNoME, un protocollo basato su Intelligenza Artificiale che seleziona i materiali più promettenti tra centinaia di migliaia proposti dal progetto GNoME di Google DeepMind. Pubblicato su Energy and AI, il lavoro combina un database “evolutivo” e modelli di machine learning: una prima fase di “esperti artificiali” seleziona i candidati per applicazioni energetiche, una seconda stima con precisione i parametri chiave, riducendo drasticamente il numero di materiali da testare ma segnalando migliaia di soluzioni utili per conversione e stoccaggio dell’energia.
La piattaforma è open‑source e pensata per crescere tramite contributi sperimentali e teorici dalla comunità, migliorando continuamente la predittività. Oltre a fornire una vasta shortlist di materiali energetici, il protocollo costituisce un quadro metodologico estendibile ad altri settori (elettronica, biomedicina, tecnologie quantistiche), accelerando la scoperta e l’applicazione di materiali avanzati.