Che il riso potesse diventare protagonista di una scoperta ingegneristica, francamente, non se lo aspettava nessuno. Eppure un gruppo internazionale di ricercatori guidato dall’Università di Birmingham ha scoperto che i chicchi di riso, quando vengono compressi, si comportano in modo decisamente bizzarro. E da questa stranezza è nato un materiale intelligente che potrebbe cambiare il modo in cui si progettano robot morbidi e dispositivi di protezione.

La faccenda funziona così: se si comprime il riso lentamente, i chicchi restano relativamente resistenti. Se invece la pressione arriva in modo rapido e improvviso, il materiale si indebolisce. Sembra controintuitivo, e lo è. Nella maggior parte dei materiali conosciuti succede esattamente il contrario. Questo fenomeno, che i ricercatori chiamano “rate softening”, dipende dal fatto che l’attrito tra i singoli chicchi crolla drasticamente quando le forze vengono applicate velocemente. Le reti interne di forza che normalmente sostengono il carico, in pratica, cedono.

I risultati della ricerca sono stati pubblicati sulla rivista Matter nell’11 giugno 2026.

Da una curiosità scientifica a un metamateriale che si adatta da solo

Il team non si è fermato alla scoperta. Ha usato questa proprietà insolita del riso per costruire un vero e proprio metamateriale, ovvero una struttura composita progettata per avere comportamenti che non esistono nei materiali naturali. Per farlo, gli scienziati hanno combinato unità granulari a base di riso con altri materiali come la sabbia, che al contrario diventa più resistente sotto carichi rapidi.

Il risultato è un materiale granulare capace di reagire in modo diverso a seconda della velocità con cui viene sollecitato. Può piegarsi, irrigidirsi o deformarsi in modi differenti, e la cosa notevole è che tutto questo avviene senza elettronica, senza sensori e senza alcun sistema di controllo attivo. È la fisica stessa a decidere come rispondere.

Come ha spiegato il dottor Mingchao Liu dell’Università di Birmingham: piuttosto che trattare questo fenomeno come una semplice curiosità, il gruppo di ricerca lo ha trasformato in un principio di progettazione. Un carico veloce innesca un comportamento, uno lento ne innesca un altro. Tutto in automatico.

Applicazioni concrete: robotica morbida e protezioni più sicure

Le implicazioni pratiche di questo materiale intelligente a base di riso sono tutt’altro che teoriche. Nel campo della robotica morbida, ad esempio, sistemi costruiti con questi metamateriali potrebbero risultare più leggeri, più sicuri e molto più adattabili rispetto ai robot tradizionali in metallo. Robot di questo tipo sarebbero particolarmente utili per lavorare accanto alle persone, in ambienti complessi, o per compiti delicati come l’assistenza chirurgica.

Ma c’è anche un altro ambito che potrebbe beneficiarne enormemente: l’equipaggiamento protettivo. Un materiale capace di rispondere diversamente in base alla velocità di un impatto potrebbe assorbire energia o deformarsi in modo controllato durante una collisione, riducendo il rischio di lesioni. E, vale la pena ripeterlo, senza bisogno di alimentazione esterna o componenti elettronici.

Quella che era partita come un’osservazione curiosa sui chicchi di riso compressi si è trasformata in qualcosa di molto concreto. La dimostrazione che anche i materiali granulari più comuni, quelli che chiunque ha in dispensa, possono diventare sistemi ingegnerizzati capaci di rispondere in modo intelligente alle sollecitazioni meccaniche. A volte le rivoluzioni partono davvero dai posti più impensabili.

L'articolo Riso trasformato in materiale intelligente: la scoperta che nessuno si aspettava proviene da Tecnoapple.

Scegliere il metodo giusto per costruire sistemi di intelligenza artificiale multimodale è sempre stato, in buona sostanza, un processo fatto di tentativi ed errori. Parliamo di quei sistemi capaci di combinare testo, immagini, audio e altri tipi di dati in un unico modello coerente. Un campo affascinante, certo, ma anche incredibilmente caotico dal punto di vista metodologico. Almeno fino a oggi, perché un gruppo di fisici della Emory University ha messo a punto qualcosa che potrebbe cambiare le regole del gioco: un framework matematico che unifica sotto un unico tetto concettuale molte delle tecniche attualmente usate nell’AI multimodale.

Il punto di partenza della ricerca è tanto semplice quanto potente. I ricercatori hanno dimostrato che buona parte degli approcci esistenti, per quanto diversi possano sembrare in superficie, si basano su un’idea comune: comprimere i dati mantenendo intatta la parte più utile, quella che ha il maggior potere predittivo. Detto così può sembrare ovvio, ma nella pratica quotidiana della ricerca sull’intelligenza artificiale questa consapevolezza mancava di una formalizzazione rigorosa. E senza formalizzazione, ogni scelta progettuale restava in gran parte affidata all’intuizione o, peggio, alla fortuna.

Il concetto di “manopola di controllo” e le sue implicazioni

Quello che rende davvero interessante questo lavoro è il concetto che il team ha battezzato come approccio a “manopola di controllo”. In pratica, i ricercatori hanno identificato un parametro regolabile che permette di bilanciare con precisione il livello di compressione dei dati rispetto alla quantità di informazione predittiva conservata. Pensatela come una sorta di cursore: da un lato si spinge verso la massima sintesi, dall’altro si preserva ogni dettaglio rilevante. Il bello è che questo cursore non è un’astrazione teorica fine a sé stessa, ma uno strumento operativo che può guidare concretamente la progettazione di algoritmi di AI più efficaci.

Le ricadute pratiche sono notevoli. Grazie a questo framework, chi sviluppa modelli di intelligenza artificiale multimodale può evitare di sprecare risorse computazionali su approcci che, alla fine, producono risultati simili per vie diverse. Si può partire da una base teorica solida per capire quale tecnica funzionerà meglio in un dato contesto, senza dover testare decine di configurazioni alla cieca. Meno esperimenti inutili significano meno tempo perso, meno dati necessari e, aspetto tutt’altro che secondario, un consumo energetico ridotto.

Verso un’intelligenza artificiale più sostenibile

Ed è proprio sul tema della sostenibilità che vale la pena soffermarsi. Il costo ambientale dell’addestramento dei grandi modelli di AI è diventato un argomento sempre più discusso. Ogni ciclo di training richiede enormi quantità di energia elettrica, e la crescita esponenziale dei modelli multimodali non fa che aggravare il problema. Se il framework proposto dai fisici di Emory mantiene le sue promesse, potrebbe contribuire in modo significativo a rendere lo sviluppo dell’AI multimodale meno energivoro e più rispettoso dell’ambiente.

Il team di ricerca è convinto che questo approccio possa aprire la strada a sistemi di intelligenza artificiale più accurati, più efficienti e più sostenibili. Non si tratta di una rivoluzione improvvisa, ma di un cambio di prospettiva che potrebbe influenzare profondamente il modo in cui la comunità scientifica affronta la progettazione di modelli complessi. Avere un linguaggio matematico comune per descrivere tecniche apparentemente diverse è un vantaggio enorme, sia per chi fa ricerca pura sia per chi lavora sulle applicazioni concrete.

Resta da vedere quanto rapidamente la comunità adotterà questo framework e se emergeranno limiti che al momento non sono evidenti. Ma la direzione sembra quella giusta: meno caos metodologico, più rigore, e soprattutto la possibilità di costruire intelligenza artificiale multimodale senza buttare via potenza di calcolo e risorse preziose nel processo.

L'articolo AI multimodale: il framework matematico che cambia tutto proviene da Tecnoapple.