Controllare la qualità dei materiali è più facile con un nuovo strumento di intelligenza artificiale

La realizzazione di batterie più efficienti, dispositivi elettronici più rapidi e farmaci più efficaci dipende non solo dalla scoperta di nuovi materiali, ma anche dalla verifica della loro qualità. Negli ultimi anni l’intelligenza artificiale ha già accelerato la fase di scoperta, individuando rapidamente materiali promettenti tra migliaia di candidati. Tuttavia, la fase successiva — la verifica della qualità — resta un passaggio costoso e lungo, che richiede strumenti di laboratorio sofisticati e misurazioni multiple.

Un nuovo strumento sviluppato dagli ingegneri del MIT potrebbe cambiare questo scenario. Si chiama SpectroGen ed è un modello di intelligenza artificiale “generativa” capace di agire come uno spettrometro virtuale. In pratica, riceve in ingresso i dati spettrali di un materiale raccolti con un solo tipo di scansione, per esempio quella a infrarossi, e genera con straordinaria precisione (fino al 99%) i risultati che si otterrebbero se lo stesso materiale fosse analizzato con un altro metodo, come la diffrazione a raggi X.

Ogni tecnica spettroscopica rivela aspetti diversi di un materiale: l’infrarosso mostra i gruppi molecolari, la diffrazione a raggi X ne svela la struttura cristallina, mentre la spettroscopia Raman ne descrive le vibrazioni molecolari. Normalmente, per ottenere un quadro completo, occorrerebbero più strumenti, procedure complesse e ore di lavoro. Con SpectroGen, invece, tutto questo potrebbe essere semplificato: un solo strumento economico — ad esempio una fotocamera a infrarossi — può fornire i dati di partenza, mentre l’AI genera virtualmente le altre informazioni mancanti.

Il vantaggio è notevole: SpectroGen produce risultati in meno di un minuto, fino a mille volte più velocemente rispetto alle tecniche tradizionali, che possono richiedere ore o giorni di misurazioni e verifiche. “Pensiamo che non sia più necessario effettuare tutte le misure fisiche in ogni modalità disponibile — basta una sola scansione semplice e a basso costo”, spiega Loza Tadesse, professoressa di ingegneria meccanica al MIT e coautrice dello studio pubblicato su Matter. “Il resto può essere generato da SpectroGen, migliorando produttività, efficienza e controllo qualità nella manifattura.”

L’idea di partenza è nata nel gruppo di ricerca interdisciplinare di Tadesse, che lavora su tecnologie per la salute umana e ambientale, dalle diagnosi rapide di malattie all’agricoltura sostenibile. Il postdoc Yanmin Zhu, primo autore dello studio, si è chiesto se l’intelligenza artificiale potesse essere utilizzata non solo per scoprire nuovi materiali, ma anche per generare dati spettrali sintetici — in altre parole, per comportarsi come un vero e proprio spettrometro virtuale.

Per farlo, il team ha interpretato gli spettri non come il risultato di legami chimici, ma come modelli matematici. Ogni spettro è infatti una sequenza di curve e onde che possono essere descritte da formule: distribuzioni “gaussiane” o “lorentziane” che rappresentano diversi comportamenti fisici. Questa intuizione ha permesso di tradurre i dati spettroscopici in linguaggio matematico, comprensibile da un modello generativo di intelligenza artificiale. “Abbiamo creato un’AI consapevole della fisica — capace di capire cosa sono realmente gli spettri,” afferma Tadesse.

Per validare SpectroGen, i ricercatori lo hanno addestrato su un ampio database di oltre 6.000 campioni minerali, ciascuno con le proprie caratteristiche chimiche e strutturali. L’AI ha imparato a correlare gli spettri di un materiale ottenuti con diverse tecniche, per poi generare da sola le versioni mancanti. Nei test, le simulazioni create da SpectroGen hanno mostrato una corrispondenza del 99% con i dati reali ottenuti da strumenti fisici.

In prospettiva, SpectroGen potrebbe diventare un “co-pilota” per laboratori e industrie. In una linea di produzione, per esempio, sarebbe sufficiente una rapida scansione a infrarossi per ottenere anche i dati equivalenti a una costosa analisi a raggi X, riducendo tempi e costi di controllo qualità. Il team sta già esplorando applicazioni nel campo della diagnostica medica e del monitoraggio agricolo, grazie anche a un progetto finanziato da Google.

Tadesse immagina un futuro in cui SpectroGen sarà disponibile come piattaforma per diversi settori — dalla farmaceutica ai semiconduttori, fino alla difesa — contribuendo a rendere la verifica dei materiali più rapida, accessibile e sostenibile.