Il recap
Il settore energetico affronta sfide di ottimizzazione enormemente complesse: bilanciare domanda e offerta su reti sempre più distribuite, integrare fonti rinnovabili intermittenti, sviluppare batterie più efficienti. Il quantum computing promette di affrontare questi problemi con approcci impossibili per i computer classici. In questa puntata, con l'ospite Dr. Federico Mattei di IBM, analizziamo le applicazioni concrete già in fase di sperimentazione.
I concetti chiave
- Ottimizzazione delle reti elettriche: bilanciare domanda, offerta e stoccaggio su reti con milioni di nodi
- Distribuzione del gas naturale liquefatto (LNG): ottimizzare logistica e routing per ridurre costi e emissioni
- Efficienza degli impianti di produzione: simulare e ottimizzare processi industriali complessi
- Simulazione di nuovi materiali per batterie: accelerare la scoperta di elettroliti e catodi più performanti
- Casi reali: E.ON e Mitsubishi Chemical stanno già sperimentando con IBM Quantum
Perché conta
La transizione energetica richiede di gestire sistemi sempre più complessi. Ottimizzare una rete elettrica con milioni di variabili, integrare fonti rinnovabili intermittenti, sviluppare batterie più efficienti: sono tutti problemi dove il quantum computing può fare la differenza. Le utility che si preparano oggi avranno un vantaggio competitivo domani.
Risorse
Glossario della puntata
Smart Grid
Rete elettrica intelligente che utilizza tecnologie digitali per monitorare e gestire il flusso di energia da tutte le fonti di generazione per soddisfare la domanda in tempo reale.
Ottimizzazione combinatoria
Classe di problemi matematici che cercano la migliore soluzione tra un numero enorme di possibilità. Le reti energetiche sono un esempio classico.
LNG (Gas Naturale Liquefatto)
Gas naturale raffreddato a -162°C per il trasporto. L'ottimizzazione della sua distribuzione è un problema logistico estremamente complesso.
Simulazione di materiali
Uso di computer per predire le proprietà di nuovi materiali prima di sintetizzarli, fondamentale per lo sviluppo di batterie più efficienti.
QAOA
Quantum Approximate Optimization Algorithm: algoritmo quantistico progettato per problemi di ottimizzazione combinatoria come quelli delle reti energetiche.
