fbpx Benzina e promesse energetiche | Scienza in rete

Benzina e promesse energetiche

Primary tabs

Read time: 2 mins

I giornali oggi danno notizia di un processo che sarebbe stato messo a punto da una società inglese per produrre petrolio dall’aria, con guadagno di energia. Qualcuno ha parlato di fonte illimitata.

Riguardo al metodo, sono contrario alla clamorosa divulgazione di ipotetici risultati scientifici eccezionali attraverso giornali, saltando il passaggio di una rivista specializzata che prima di pubblicarli li avrebbe sottoposti al giudizio di esperti. Poiché anche questa volta si tratta di un piccolo e confuso esperimento che viene sbandierato come una possibile soluzione per la crisi energetica e climatica, l'unico risultato è far sorgere nella gente aspettative che deviano l'attenzione dalle uniche due soluzioni reali: risparmio energetico e sviluppo delle energie rinnovabili.

L'articolo è molto confuso: prima parla di gasoline (benzina) ottenuta da anidride carbonica e vapor d'acqua: un'impresa assolutamente impossibile, come sarebbe pretendere che un ascensore salisse spontaneamente dal piano terra al decimo piano. Successivamente ammettono di aver usato non acqua, ma idrogeno, ottenuto sembra per scissione elettrolitica dell'acqua. Cioè hanno immesso energia, e non poteva essere diversamente se pretendevano di  trasformare l'anidride carbonica, che ha basso contenuto energetico, in petrolio, che ha alto contenuto energetico. A questo punto il problema è quanta energia hanno immesso e quanta se ne può ottenere indietro, perché il processo è interessante solo se l'energia ottenuta è maggiore di quella immessa, cosa che mi sento assolutamente di escludere. D'altra parte, non ci sono dati, non sono state fatte misure. E' una storia simile a quella della fusione fredda.

L'altro aspetto su cui l'articolo insiste è che con questo metodo si potrebbe catturare anidride carbonica dall'aria, combattendo così l'effetto serra. A parte il fatto che per ottenere un simile risultato si dovrebbe consumare energia, si fa presto a capire che un'impresa del genere è paragonabile a quella di voler vuotare il mare usando un secchiello. Semmai ci si potrebbe limitare a sequestrare l'anidride carbonica che esce dalla grandi centrali a carbone.

Una cosa rimane certa: l'unico modo serio per combattere l'effetto serra, i cambiamenti climatici e per uscire dalla  crisi energetica è ridurre i consumi energetici e sviluppare le energie rinnovabili.


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Perché le reti neurali hanno vinto i Nobel per la fisica e la chimica?

Quest'anno l'Intelligenza Artificiale ha fatto la parte del leone nei Nobel per la fisica e la chimica. Meglio sarebbe dire machine learning e reti neurali, grazie al cui sviluppo si devono sistemi che vanno dal riconoscimento di immagini alla IA generativa come Chat-GPT. In questo articolo Chiara Sabelli racconta la storia della ricerca che ha portato il fisico e biologo John J. Hopfield e l'informatico e neuroscienzato Geoffrey Hinton a porre le basi dell'attuale machine learning.

Immagine modificata a partire dall'articolo "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

Il premio Nobel per la fisica 2024 è stato assegnato a John J. Hopfield, fisico e biologo statunitense dell’università di Princeton, e a Geoffrey Hinton, informatico e neuroscienziato britannico dell’Università di Toronto per aver sfruttato strumenti della fisica statistica nello sviluppo dei metodi alla base delle potenti tecnologie di machine learning di oggi.