AI e fisica insieme per la sicurezza delle infrastrutture energetiche

Infrastrutture energetiche: Enrico Zio, professore del Dipartimento di Energia del Politecnico di Milano, è tra i firmatari di una ricerca pubblicata su npj Artificial Intelligence (Nature Portfolio Journal).

Lo studio, dal titolo “Towards parameter identification in pipeline hydraulics: integrating data-driven discovery and knowledge embedding”, propone un approccio innovativo per migliorare l’identificazione dei parametri e la simulazione dei transitori idraulici nelle pipeline.

Il lavoro affronta una delle sfide più critiche nella gestione delle pipeline: monitorare in modo accurato i transitori idraulici, variazioni improvvise di pressione e flusso che rappresentano i momenti di maggiore vulnerabilità di queste infrastrutture.

Gli autori introducono un metodo capace di integrare modelli data-driven e conoscenza fisica del comportamento idraulico, superando i limiti degli approcci puramente statistici o basati su reti neurali “black box”.
L’algoritmo sviluppato combina:

• principi fisici dei modelli idraulici tradizionali, 
• reti neurali e tecniche di scoperta di equazioni data-driven, 
• un sistema di aggiornamento dinamico dei parametri, adattato alle condizioni operative reali.

I test riportati nello studio mostrano un significativo miglioramento nell’accuratezza della simulazione dei flussi e delle pressioni, con un vantaggio particolarmente visibile durante i transitori.