L'Intelligenza Artificiale e le Simulazioni Monte Carlo: Un Percorso per Comprendere l'Adsorbimento di CO2 sul Grafene

Questo lavoro presenta un percorso guidato dall’AI per lo studio dell'adsorbimento di anidride carbonica (CO2 ) su un substrato di grafene, utilizzando simulazioni Grand Canonical Monte Carlo (GCMC). L'obiettivo principale è duplice: da un lato, esplorare i principi fondamentali delle simulazioni molecolari applicate a problemi di rilevanza ambientale come la cattura della CO2; dall'altro, dimostrare come l'Intelligenza Artificiale possa fungere da "ponte" didattico, guidando e facilitando la comprensione e la calibrazione di modelli complessi. Nel modello sviluppato, la CO2 è rappresentata come una molecola lineare triatomica rigida, interagente tramite potenziali di Lennard-Jones e interazioni elettrostatiche basate su cariche parziali. Il grafene è modellato come un singolo strato fisso. Vengono discusse le scelte implementative relative alle condizioni al contorno periodiche per la fase gas e le loro implicazioni sulla dinamica di riempimento della cella di simulazione, in particolare la tendenza del sistema a saturare il numero massimo di molecole consentite in condizioni di alta fugacità. Attraverso un processo iterativo di calibrazione supportato dall'AI, i parametri del potenziale di interazione CO2-grafene sono stati ottimizzati per riprodurre con successo dati sperimentali di adsorbimento a diverse fugacità e temperature. Questo approccio ha permesso non solo di ottenere risultati quantitativamente accurati, ma anche di approfondire la comprensione degli effetti di dimensione finita e delle specificità del modello. Il presente studio evidenzia il valore dell'AI come strumento collaborativo per l'apprendimento e l'esplorazione nel campo della simulazione scientifica, rendendo accessibili concetti complessi e affinando le capacità analitiche.