L'efficienza dei processi energetici è oggigiorno in continua evoluzione grazie alla disponibilità di materiali dalle prestazioni sempre più performanti. Tale cambiamento è reso possibile anche grazie ai continui progressi delle nanotecnologie e dei modelli computazionali sempre più predittivi. Questi ultimi, basati sulla fisica e/o sull’analisi di grandi moli di dati, permettono di predire e ottimizzare numericamente le proprietà dei nuovi materiali prima di passare alla loro sintesi in laboratorio. Questo insegnamento intende in primo luogo dare una panoramica generale dei materiali tradizionali e avanzati a uso ingegneristico (metallici, ceramici, polimerici, compositi), introducendo le principali classificazioni, proprietà e concetti fondamentali per la scelta più opportuna data una prestazione tecnico-economica di obbiettivo. Successivamente, l'insegnamento presenta le più moderne soluzioni nano-tecnologiche per i materiali utilizzati in componenti e impianti per la conversione, trasporto e accumulo dell'energia. A complemento delle conoscenze teoriche, l'insegnamento permetterà di provare in laboratorio diversi approcci computazionali per la scelta ottimale dei materiali – tradizionali e avanzati – in applicazioni energetiche. L'insegnamento intende fornire strumenti tecnico-scientifici che amplino le basi culturali dell’ingegnere energetico, permettendogli una gestione consapevole delle funzionalità tecniche dei dispositivi e dei relativi materiali impiegati. L’obbiettivo è dunque quello di imparare ad analizzare, sia dal punto di vista della scienza dei materiali che da quello energetico/impiantistico, il processo di raccolta di energia da una data fonte, il suo trasporto, accumulo e uso civile nella forma termica e/o elettrica. In particolar modo, ci si concentrerà sulla fonte solare, anche se gli argomenti trattati avranno un respiro più ampio e potranno dunque essere ugualmente utili per fonti energetiche diverse. Gli argomenti dell'insegnamento offriranno anche la possibilità di comprendere le connessioni tra gli aspetti microscopici dei materiali (es. struttura cristallografica, legami chimici, forze elettrostatiche) e le loro ricadute sulle proprietà macroscopiche (es. conducibilità termica, accumulo energetico). Alla fine dell'insegnamento, ci si attende che lo studente abbia acquisito strumenti avanzati di progettazione che gli conferiscano una capacità di scegliere, per ciascun sotto-processo energetico coinvolto, sia il dispositivo sia il relativo materiale più adatto allo scopo. Ci si attende inoltre che lo studente acquisisca le capacità per giudicare e progettare i diversi componenti di un impianto energetico, sia individualmente che dal punto di vista sistemico.

L'insegnamento si prefigge di trasmettere i due seguenti obbiettivi di apprendimento. Il primo obbiettivo è trasmettere una cultura ingegneristica sui materiali recenti più avanzati (es. nano-ingegnerizzati) per applicazioni energetiche. In particolare, si impareranno le correlazioni esistenti tra struttura, microstruttura e prestazione dei materiali, arrivando così a progettare e scegliere in modo consapevole impianti e componenti energetici. Il secondo obbiettivo è fornire allo studente uno strumento robusto e versatile relativo alla scelta dei materiali dato un determinato obbiettivo progettuale, facendo uso di metodi computazionali basati su grandi moli di dati (es. machine learning, diagrammi di Ashby) e/o modelli chimico-fisici della materia (es. dinamica molecolare). Queste conoscenze numeriche consentiranno di approcciare analiticamente la moltitudine di materiali per i dispositivi per la conversione, traporto e accumulo di energia che la moderna scienza dei materiali mette a disposizione. Mediante i due obbiettivi precedenti, lo studente potrà acquisire conoscenze avanzate che si svincolino da una mera descrizione, ma costituiscano le linee guida per una conoscenza consapevole dei materiali da impiegare nei dispositivi energetici.

Conoscenze di base sulle principali classi di materiali e loro comportamento termico, elettrico, ottico e meccanico. Conoscenze di base sullo scambio termico e la termodinamica.

L'insegnamento prevede i seguenti macro-blocchi: 1) Fondamenti di scienza e tecnologia dei materiali e relativi metodi convenzionali di scelta. ----- Ripasso sui materiali: tipi di materiali e loro proprietà. Richiami alle relazioni composizione-struttura-proprietà delle classi principali dei materiali, utilizzando esempi di materiali di interesse in ambito energetico. Introduzione alla strategia di selezione dei materiali e alla definizione delle linee guida fondamentali per la selezione dei materiali in funzione dell’applicazione prevista e dei prerequisiti progettuali. Materiali nano-strutturati: composizione, preparazione, caratterizzazione e proprietà chimico-fisiche principali. Grafici di Ashby e introduzione in laboratorio all’uso di software per la selezione sistemica dei materiali, con relativi esempi in applicazioni energetiche. 2) Materiali avanzati per applicazioni energetiche. ----- Materiali per il trasporto dell'energia. Uso e applicazioni di nano-tecnologie per l’ottimizzazione del trasporto termico in fluidi (nanofluidi) e solidi (compositi). Principali proprietà termofisiche dei nanofluidi e metodi euristici di calcolo delle stesse. Nanofluidi con proprietà ottiche ottimizzate per la raccolta diretta della radiazione solare. Fluidi micro-/nano-incapsulati a elevata capacità termica per il trasporto e accumulo termico. Materiali compositi a elevate prestazioni meccaniche, termiche ed elettriche. Fibre e particelle rinforzanti, nanoparticelle a base di carbonio. Strategie per l’aumento della conducibilità termica di materiali tradizionali. Calcolo delle proprietà di trasporto di nanofluidi e nanocompositi tramite simulazioni di dinamica molecolare. Materiali per l’accumulo dell'energia. Materiali e dispositivi per lo stoccaggio termico: soluzioni attuali di accumulo (sensibile, latente, chimico) e potenziali prospettive. Studio dell’effetto del controllo della struttura dei materiali alla nanoscala sull’accumulo termico potenziale. Impianti di accumulo termico. La sfida della conservazione del calore. Approcci di accumulo termico a breve, medio e lungo termine. Densità di energia e principali figure di merito dei materiali per l’accumulo termico. Materiali e dispositivi per lo stoccaggio di energia elettrica: soluzioni attuali di accumulo e potenziali prospettive. Materiali per la conversione dell'energia. Materiali per il recupero dell’energia solare. Materiali per rivestimenti ad alta riflessione o assorbimento: principali proprietà e potenzialità. Materiali per impianti solari a concentrazione. Materiali per il raffrescamento passivo di edifici e persone tramite scambio termico radiativo (diurno e notturno). Variazioni composizionali e strutturali (ai vari livelli) dei materiali per il miglioramento delle relative proprietà ottiche. Deposizione di strati sottili mediante tecniche CVD e PVD. Materiali per solare fotovoltaico: cenni generali, Si monocristallino, Si policristallino, Si amorfo e film sottili, multigiunzioni, DSSC, organici, perovskiti. Materiali e tecnologie emergenti per la fabbricazione flessibile e geometrie complesse. Tecnologie di fabbricazione dell’Additive Manufacturing (AM), relative a materiali polimerici, metallici, ceramici. Materiali per scambiatori termici e accumulatori di calore processabili attraverso tecniche AM. 3) Metodi computazionali per la scelta dei materiali avanzati e la previsione delle loro proprietà. ----- Modellazione multi-scala ed esempi in applicazioni energetiche. Introduzione e teoria della dinamica molecolare classica. Potenziali di interazione e relative forze. Potenziali per la descrizione dei legami covalenti (interazioni forti). Potenziali per la descrizione delle forze indotte dai dipoli (interazioni deboli). Interazioni di van der Waals e modello di Lennard-Jones. Termostati e pressostati. Integrazione numerica. Calcolo delle proprietà termofisiche macroscopiche. Esempio della conducibilità termica. Introduzione in laboratorio all’uso di software per la simulazione delle proprietà di materiali nanostrutturati. Scelta dei materiali tramite l’analisi di grandi moli di dati. Cenni di algoritmi di apprendimento automatico (machine learning). Guida alla predisposizione dei database, alla fase di apprendimento e di verifica dell’algoritmo. Valutazione delle capacità predittive del modello e utilizzo per l’ottimizzazione e scelta del materiale in problemi a elevato numero di gradi di libertà. Introduzione in laboratorio all'uso di codici per la selezione di materiali per il settore energetico tramite machine learning.

L'insegnamento prevede inoltre le seguenti esperienze pratiche per gli studenti: 1) Laboratorio informatico relativo alla scelta dei materiali (Material Selection – MS). Durante tale attività gli studenti avranno modo di applicare le strategie di selezione dei materiali in diversi casi pratici relativi ad applicazioni energetiche, inclusi quelli trattati teoricamente durante l'insegnamento: dall’analisi del progetto alla definizione dei criteri di selezione dei materiali e dei processi produttivi, all’individuazione di una o più possibili soluzioni. Gli studenti si concentreranno poi, a gruppi, su un tema suggerito dal docente, sviluppando l’intera selezione dei materiali e del processo di formatura, per giungere a una proposta realistica per l’applicazione considerata. 2) Laboratorio informatico di dinamica molecolare (Molecular Dynamics – MD). In questo laboratorio verranno approfonditi gli strumenti informatici per lo svolgimento di simulazioni numeriche di dinamica molecolare. In particolare, si imparerà inizialmente a utilizzare il sistema operativo Linux e lo strumento di simulazione GROMACS. Successivamente verranno analizzate passo-passo delle simulazioni svolte che serviranno da esempio. La relazione richiesta sarà basata sulla modifica degli esempi svolti durante l'esercitazione, col fine di valutare la relazione tra proprietà microscopiche dei materiali e prestazioni energetiche risultanti. 3) Laboratorio informatico di apprendimento automatico (Machine Learning – ML). In questa attività di laboratorio, gli studenti impareranno a predisporre un database di materiali per l’analisi con strumenti di machine learning, svolgendo inoltre i passaggi di addestramento e verifica delle capacità predittive dell'algoritmo. Quanto appreso in laboratorio verrà utilizzato per scegliere un materiale con proprietà ottimali per un'applicazione energetica assegnata.

MATERIALI: - Ashby M. F., “Materials Selection in Mechanical Design”, Fourth Edition, Elsevier, 2010. - I. Gibson, D. Rosen, B. Stucker, Additive Manufacturing, Second edition, Springer, 2015. - P. Bermel, J. Lee, J.D. Joannopoulos, I. Celanovic, M. Soljacic, Selective Solar Absorbers, Annual Review Heat Transfer, 2012, 15, 231 - T. Tadros, General Principles of Colloid Stability and the Role of Surface Forces, chapter 1 in "Colloid Stability", Wiley, 2011. - A.I. Fernandez, M. Martinez, M. Segarra, I. Martorell, L.F. Cabeza, Selection of materials with potential in sensible thermal energy storage, Solar Energy Mater Solar Cells, 2010, 94, 1723 - S. Khare, M. Dell'Amico, C. Knight, S. McGarry, Selection of materials for high temperature latent heat energy storage, Solar Energy Mater. Solar Cells, 2012, 107, 20 ENERGIA: - A. Bejan, “Advanced Engineering Thermodynamic”, John Wiley & Sons, 1997. - A. Bejan, A.D. Kraus (Editors), "Heat Transfer Handbook", John Wiley & Sons, 2003. - A. Moradi, E. Sani, M. Simonetti, F. Francini, E. Chiavazzo, P. Asinari, “Carbon-nanohorn based nanofluids for a direct absorption solar collector for civil application”, J. Nanosci. Nanotech. 15, 2015. - Matteo Fasano, Masoud Bozorg Bigdeli, Mohammad Rasool Vaziri Sereshk, Eliodoro Chiavazzo, Pietro Asinari, “Thermal transmittance of carbon nanotube networks: Guidelines for novel thermal storage systems and polymeric material of thermal interest”, Ren. Sust. Energy Rev. 41, 2015. - Luigi Ventola, Francesco Robotti, Masoud Dialameh, Flaviana Calignano, Diego Manfredi, Eliodoro Chiavazzo, Pietro Asinari, “Rough surfaces with enhanced heat transfer for electronics cooling by direct metal laser sintering”, Int. J. Heat Mass Tran. 75, 2014. - Eliodoro Chiavazzo, Matteo Fasano, Pietro Asinari, Paolo Decuzzi, “Scaling behavior for the water transport in nanoconfined geometries”, Nature Comm. 4565, 2014. - Chiavazzo E., Asinari P., “Reconstruction and modeling of 3D percolation networks of carbon fillers in a polymer matrix” Int. J. Thermal. Sci. 49, 2010. - B. Zalba, J.M. Marin, L.F. Cabeza, H. Mehling, Review on Thermal Energy Storage with Phase Change: Materials, Heat Transfer Analysis and Applications, Applied Thermal Engineering 2003, 23, 251.

Slides; Dispense; Esercitazioni di laboratorio; Video lezioni tratte da anni precedenti; Materiale multimediale ; Strumenti di simulazione;

Modalità di esame: Prova orale obbligatoria; Elaborato progettuale in gruppo;

Exam: Compulsory oral exam; Group project;

... L’esame prevede la consegna di relazioni di laboratorio e una prova orale. Le tre relazioni scritte sono relative ai lavori di gruppo svolti durante il semestre. In particolare, le relazioni riguardano: (i) il laboratorio relativo alla scelta dei materiali (MS), (ii) il laboratorio relativo alla dinamica molecolare (MD) e (iii) il laboratorio relativo all'apprendimento automatico (ML). La consegna delle relazioni deve avvenire tramite il Portale della Didattica (sezione “Elaborati”). Le relazioni vanno consegnate almeno una settimana prima dell'appello che si intende sostenere, in modo da poter essere valutate dai docenti in tempo utile per l'appello selezionato. Il caricamento del file è consentito solo a un rappresentante per ciascun gruppo, avendo cura di riportare i nomi, cognomi e matricola di ciascun membro del gruppo nella prima pagina della relazione. In particolare, la prima relazione scritta si prefigge di verificare il raggiungimento dell’obbiettivo di apprendimento relativo alla scelta consapevole dei materiali e dei loro processi produttivi, e la comprensione delle correlazioni esistenti tra composizione, struttura, forma, processo e prestazione dei materiali. La seconda relazione scritta si prefigge invece di verificare il raggiungimento dell’obbiettivo di apprendimento relativo alla comprensione della dinamica molecolare. La terza relazione scritta valuta l'apprendimento di tecniche di machine learning per la selezione del miglior materiale per una data applicazione energetica a partire da grandi moli di dati a disposizione. Le tre relazioni contribuiscono complessivamente fino a 16 punti sul voto finale, con valutazione assegnata sulla base sia dei report scritti sia di una loro eventuale discussione (individuale) durante la prova orale. La prova orale consiste nella discussione individuale degli argomenti di teoria affrontati nell'insegnamento in merito ai fondamenti di scienza e tecnologia dei materiali e relativi metodi convenzionali di scelta, ai materiali avanzati per applicazioni energetiche e ai metodi computazionali per la scelta dei materiali avanzati e la previsione delle loro proprietà oltre che alle relative applicazioni energetiche, coerentemente con gli obbiettivi attesi di apprendimento. L’orale dura circa 30-40 minuti ed è composto da almeno due domande, in merito alle parti descritte in precedenza. L’orale contribuisce fino a 16 punti sul voto finale. Per superare l’esame è necessario ottenere una valutazione superiore o uguale a 18/30 e aver consegnato tutte le relazioni assegnate al proprio gruppo. Il voto finale sarà dato dalla somma delle votazioni ottenute nelle due prove arrotondata per eccesso (un punteggio maggiore o uguale a 31 assegnerà la lode).

Gli studenti e le studentesse con disabilità o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unità Special Needs, al fine di permettere al/la docente la declinazione più idonea in riferimento alla specifica tipologia di esame.