Decifrazione quantitativa assistita dall’IA della configurazione molecolare e degli effetti sterici per elettroliti di batterie a zinco ad alte prestazioni

Batterie più intelligenti per un futuro rinnovabile

Con la moltiplicazione di pannelli solari e parchi eolici, serve una batteria economica e sicura in grado di immagazzinare grandi quantità di energia per ore o giorni. Le batterie acquose a ioni di zinco sono particolarmente interessanti perché lo zinco è economico, abbondante e funziona in elettroliti a base d’acqua invece che in liquidi organici infiammabili. Tuttavia, le batterie allo zinco attuali soffrono ancora di durate limitate e superfici metalliche instabili. Questo studio mostra come l’intelligenza artificiale possa setacciare migliaia di molecole candidate per individuarne poche che trasformano silenziosamente il modo in cui gli ioni zinco si muovono nel liquido, estendendo in modo significativo la vita della batteria.

Usare l’IA per cercare in un mare di molecole

Gli autori partono da un problema familiare in chimica: esistono molte più molecole organiche possibili di quante un laboratorio possa testare per tentativi. Per affrontare la sfida, hanno costruito un ampio database di oltre 20.000 piccole molecole provenienti da archivi chimici pubblici, collegandolo a un sistema di IA basato su grandi modelli linguistici. Usando un metodo chiamato retrieval-augmented generation, l’IA ha prima “letto” e riassunto 50 lavori recenti sulle batterie a zinco per estrarre ciò che conta davvero per gli additivi dell’elettrolita — come la solubilità in acqua, la posizione dei gruppi polari e le interazioni con ioni zinco e la superficie metallica. I ricercatori hanno quindi ingegnerizzato con cura i prompt in modo che l’IA potesse applicare in modo coerente queste regole tratte dalla letteratura nel vagliare le molecole secondo tre criteri chiave: strutture ad anello semplici o catene corte, solubilità in acqua moderata e il giusto tipo di gruppi chimici polari.

Da migliaia di opzioni a due collaboratori di spicco

Lo screening iniziale tramite IA ha ridotto il vasto insieme molecolare a 18 candidati promettenti. Per affinare ulteriormente la lista, il team ha eseguito calcoli di meccanica quantistica per quantificare due proprietà fondamentali: quanto fortemente ciascuna molecola si legha a uno ione zinco e quanto è pesante. Tracciando la forza di legame rispetto alla massa molecolare hanno potuto selezionare coppie simili per questi parametri ma molto diverse per forma. Da questo approccio sono emerse due molecole come “partner a contrasto” ideali: 2-metilimidazolo (MI), un anello rigido, e 3-aminopropanolo (AP), una catena flessibile. Questa coppia ha permesso ai ricercatori di sondare in modo chiaro come la forma molecolare e lo spazio occupato — i cosiddetti effetti sterici — influenzino la struttura microscopica intorno agli ioni zinco e, in ultima analisi, le prestazioni della batteria.

Come la forma molecolare guida il moto degli ioni

Utilizzando ampie simulazioni di dinamica molecolare, gli autori hanno osservato come MI e AP si dispongono nel primo strato di molecole che circonda uno ione zinco in acqua. L’anello rigido di MI forma una gabbia ingombrante e inflessibile che costringe le molecole d’acqua circostanti in un arrangiamento affollato, innalzando una sorta di “barriera d’ingresso” per la riorganizzazione del solvente e limitando la facilità di movimento dello ione zinco. Al contrario, la catena pieghevole di AP cambia conformazione per adattarsi all’ambiente, creando uno strato più compatto ma meno congestionato che lascia acqua e ioni muoversi più liberamente. AP coordina inoltre lo zinco tramite siti multipli lungo la catena, comprendendo sia atomi di azoto sia di ossigeno, il che le consente di stabilizzare lo ione lasciando comunque spazio per una migrazione rapida. Queste differenze strutturali si propagano all’esterno, modificando quanto strettamente zinco e ioni solfato si aggregano, il panorama elettrostatico sperimentato dagli ioni e il modo in cui le molecole d’acqua formano e rompono legami a idrogeno.

Ricomporre la rete nascosta del liquido

Il team ha scandagliato più a fondo il “cablaggio invisibile” dell’elettrolita: la rete di legami a idrogeno tra le molecole d’acqua. In una semplice soluzione di solfato di zinco, le molecole d’acqua sono fortemente legate, il che favorisce il rapido salto dei protoni tramite il meccanismo di Grotthuss, alimentando l’indesiderata evoluzione di idrogeno sulla superficie di zinco. L’aggiunta di MI interrompe in parte questa rete ma lascia molti percorsi intatti. AP, con la sua catena flessibile e i molteplici siti di legame, fa molto di più: ruba legami a idrogeno alle coppie acqua-acqua, converte molti legami lunghi e deboli in legami più forti ma più localizzati e riduce sostanzialmente la risposta dielettrica complessiva e le fluttuazioni di dipolo del liquido. Insieme a energie di solvatazione e desolvatation favorevoli e a una forte adsorbimento sulla superficie di zinco, questo riorientamento della rete di legami a idrogeno attenua le reazioni collaterali, abbassa la barriera energetica per il moto degli ioni zinco e favorisce la deposizione uniforme degli ioni anziché la formazione di dendriti appuntiti.

Da accorgimenti microscopici a celle più durature

Quando questi additivi sono stati testati in celle simmetriche reali a zinco, le intuizioni microscopiche si sono tradotte in guadagni notevoli. In semplice solfato di zinco le celle fallivano dopo circa 130 ore di ciclo. Con MI la durata si è estesa a circa 1500 ore; con AP ha raggiunto circa 1900 ore, mentre le correnti di corrosione sono diminuite e l’innesco dell’evoluzione di idrogeno si è spostato verso tensioni più negative. La microscopia ha mostrato che AP porta a depositi di zinco piatti e compatti invece che a protuberanze appuntite. Per un non specialista, la conclusione è che una molecola a catena flessibile, scelta tramite una ricerca guidata dall’IA e convalidata da simulazioni dettagliate ed esperimenti, può riorganizzare l’ambiente liquido intorno allo zinco in modo che gli ioni si muovano rapidamente, le reazioni collaterali rallentino e la batteria duri molto più a lungo. Più in generale, lo studio propone un modello per usare l’IA non solo per cercare materiali promettenti, ma per capire perché funzionano — offrendo una via potente verso tecnologie di accumulo energetico migliori e più sicure.

Citazione: Gao, Y., Sun, R., Shi, Y. et al. AI-assisted quantitative deciphering of molecular configuration and steric effects for high-performance zinc battery electrolytes. Commun Mater 7, 93 (2026). https://doi.org/10.1038/s43246-026-01100-5

Parole chiave: batterie a ioni di zinco acquose, additivi per elettroliti, intelligenza artificiale nella scienza dei materiali, struttura di solvatazione, rete di legami a idrogeno