La società sudcoreana Posicube, guidata dall’amministratore delegato Oh Sung-jo, è stata selezionata per partecipare a un programma quinquennale dedicato alla realizzazione di una piattaforma di intelligenza artificiale per la ricerca e la raccomandazione di materiali energetici di nuova generazione. L’iniziativa, coordinata dal Korea Institute of Industrial Technology, prevede lo sviluppo di un sistema capace di integrare modelli Vision-Language, architetture Retrieval-Augmented Generation multiagente e reti neurali a grafo, con l’obiettivo di supportare l’identificazione e la valutazione di materiali potenzialmente utilizzabili in applicazioni industriali. L’annuncio è stato comunicato il 14 ottobre 2026 e riguarda un progetto che combina l’elaborazione di documentazione scientifica, dati sperimentali e informazioni sulle proprietà dei materiali. Tra gli ambiti applicativi previsti figurano i materiali catodici per batterie, i componenti destinati alle tecnologie fotovoltaiche e i film intelligenti, con successive verifiche effettuate in condizioni rappresentative dei processi produttivi.
L’infrastruttura informativa prevista dal progetto comprende la realizzazione di un master vector database nel quale confluiranno informazioni provenienti dalla letteratura scientifica, dai risultati delle sperimentazioni e dalle banche dati specializzate sui materiali. Il database sarà utilizzato come base documentale per i meccanismi di ricerca e recupero delle informazioni, consentendo di collegare domande tecniche a fonti pertinenti e di alimentare le risposte dei modelli linguistici con contenuti selezionati. Il ricorso a modelli Vision-Language consentirà di elaborare informazioni che non sono necessariamente disponibili soltanto in forma testuale, mentre l’architettura RAG multiagente servirà a coordinare le operazioni di ricerca, interpretazione e utilizzo dei dati. Le reti neurali a grafo saranno impiegate per supportare l’analisi delle proprietà dei materiali e delle relazioni rappresentabili attraverso strutture a grafo, creando un sistema ibrido che combina ricerca documentale e strumenti di modellazione delle caratteristiche fisiche e chimiche.
Il programma è articolato in un percorso di sviluppo di cinque anni, con obiettivi progressivi. Durante il primo anno Posicube realizzerà un sistema RAG basato su modelli linguistici di grandi dimensioni e predisporrà il master vector database, introducendo funzionalità di ricerca e sintesi della documentazione chimica. Questa fase sarà dedicata alla costruzione delle fondamenta informative e all’organizzazione delle fonti necessarie per le successive attività di individuazione dei materiali. Nel secondo e nel terzo anno verranno perfezionati il comportamento degli agenti, la velocità di risposta e l’accuratezza delle informazioni restituite. L’attività comprenderà quindi l’ottimizzazione dei componenti di elaborazione e dei meccanismi attraverso i quali il sistema combina risultati provenienti da differenti archivi e procedure di analisi.
Le fasi successive prevedono l’introduzione del supporto alla ricerca delle proprietà dei materiali mediante Graph Neural Networks e l’integrazione delle differenti componenti all’interno di un’unica piattaforma di raccomandazione. Il quinto anno sarà dedicato alla validazione in ambienti di ricerca e sviluppo reali, con l’obiettivo di raggiungere un livello di maturità adeguato alla commercializzazione. Le verifiche industriali riguarderanno applicazioni concrete nei materiali catodici delle batterie, nel fotovoltaico e nei film intelligenti, consentendo di confrontare le raccomandazioni generate dal sistema con le esigenze dei processi produttivi. Il progetto non annuncia quindi un nuovo materiale già individuato o pronto per la produzione, ma l’avvio dello sviluppo di un’infrastruttura destinata a rendere più efficiente la ricerca attraverso l’integrazione di documentazione scientifica, informazioni sperimentali, modelli linguistici e apprendimento su grafi. Il risultato previsto è una piattaforma utilizzabile nei processi di selezione e valutazione dei materiali energetici, sottoposta a verifica applicativa prima della commercializzazione.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)