La reattività dell’acqua confinata in spazi nanometrici è stata al centro di un dibattito scientifico lungo anni, con risultati sperimentali spesso contraddittori. Ora un gruppo di ricercatori dell’Università di Cambridge ha finalmente messo ordine in questa vicenda, pubblicando uno studio su Science Advances che ribalta parecchie convinzioni. Il punto chiave? L’acqua intrappolata in spazi larghi appena pochi miliardesimi di metro non diventa più reattiva “di per sé”. Il vero responsabile è un altro fattore, molto più fisico e molto meno misterioso: la pressione.

Parliamo di spazi che esistono ovunque, dai pori delle membrane biologiche ai canali ionici delle cellule, fino ai componenti di batterie e celle a combustibile. In questi ambienti microscopici, una delle proprietà chimiche fondamentali dell’acqua è la sua capacità di scindersi in ioni, il famoso equilibrio che determina il pH. Capire se e come questo processo cambia quando l’acqua viene “schiacciata” in nanospazi ha implicazioni enormi, sia per la biologia che per la tecnologia energetica.

Il ruolo della pressione e le simulazioni di machine learning

Per venire a capo del problema, il team ha utilizzato simulazioni di machine learning capaci di riprodurre la precisione della meccanica quantistica, ma con una flessibilità computazionale molto maggiore rispetto ai metodi tradizionali. Hanno studiato gocce d’acqua intrappolate tra fogli di grafene e di nitruro di boro esagonale (hBN), due materiali spessi un solo atomo ma con proprietà superficiali molto diverse.

Quello che è emerso è sorprendente nella sua semplicità. L’acqua confinata tra questi materiali subisce pressioni interne altissime, nell’ordine di diversi gigapascal, paragonabili a quelle che si trovano nelle profondità della Terra. Nessuno applica una forza dall’esterno: è l’attrazione di van der Waals tra i fogli a comprimere l’acqua in modo naturale. E quando i ricercatori hanno confrontato quest’acqua confinata con acqua libera sottoposta alla stessa pressione, il comportamento chimico era sostanzialmente identico. La reattività dell’acqua confinata, quindi, dipende dalla pressione e non dal confinamento in sé.

Come ha spiegato il professor Angelos Michaelides, del Dipartimento di Chimica di Cambridge, gran parte dell’effetto apparente del confinamento si spiega semplicemente con la termodinamica. Una volta che pressione e potenziale chimico vengono considerati correttamente, molte delle contraddizioni accumulate in un decennio di studi trovano finalmente una spiegazione coerente.

Il materiale conta: la chimica di superficie fa la differenza

C’è però un’eccezione importante. Nel caso del nitruro di boro esagonale, gli ioni idrossido formatisi ai bordi delle gocce d’acqua si legavano chimicamente alla superficie del materiale. Questo stabilizzava gli ioni, abbassava l’energia necessaria per la scissione dell’acqua e aumentava la dissociazione. Con il grafene, chimicamente inerte, niente di tutto questo accadeva. La reattività dell’acqua confinata, dunque, può essere modulata scegliendo il materiale giusto.

E qui si apre la porta alle applicazioni pratiche. Lo studio offre un principio di progettazione concreto: invece di concentrarsi solo sulla dimensione dei pori, si può regolare la reattività dell’acqua selezionando superfici che interagiscano con i prodotti della dissociazione e controllando le pressioni generate all’interno degli spazi confinati. Le ricadute potenziali riguardano celle a combustibile a idrogeno, batterie, membrane selettive e sistemi catalitici.

Il prossimo passo per il gruppo di Cambridge sarà studiare ambienti più realistici, con difetti e bordi tipici dei materiali reali, e confrontare le previsioni teoriche con misurazioni di laboratorio tramite tecniche spettroscopiche e nanofluidiche avanzate. Nel frattempo, stanno già analizzando intere famiglie di materiali bidimensionali per identificare combinazioni capaci di potenziare o sopprimere la reattività dell’acqua confinata a seconda delle esigenze tecnologiche specifiche.

L'articolo Acqua in nanospazi: la scoperta che ribalta anni di convinzioni proviene da Tecnoapple.

Le particelle alfa aiutano davvero il processo di fusione nucleare? È una domanda che ha tormentato i ricercatori per parecchio tempo. Nessuno sapeva con certezza se queste particelle, generate durante le reazioni di fusione, finissero per ostacolare il processo o, al contrario, lo rendessero più efficiente. Ora, grazie a una serie di simulazioni computazionali avanzate, sembra che la comunità scientifica abbia finalmente una direzione chiara. E la notizia è piuttosto buona.

Per capire il contesto, bisogna fare un passo indietro. Quando due nuclei leggeri si fondono all’interno di un reattore a fusione, producono energia e, tra i vari sottoprodotti, anche particelle alfa, cioè nuclei di elio ad alta energia. Queste particelle restano intrappolate nel plasma caldissimo che alimenta la reazione. Il problema, fino a oggi, era capire cosa succedesse dopo. Le particelle alfa, muovendosi dentro quel brodo infernale di gas ionizzato, potevano in teoria amplificare le instabilità già presenti nel plasma. Oppure, scenario opposto, potevano in qualche modo calmare le acque. Letteralmente.

Le simulazioni chiariscono il ruolo delle particelle alfa

I risultati delle simulazioni suggeriscono che le particelle alfa svolgono un ruolo positivo, e anche piuttosto significativo. Il meccanismo è affascinante nella sua semplicità concettuale: queste particelle riescono a smorzare la turbolenza all’interno del plasma. La turbolenza è uno dei nemici principali della fusione nucleare controllata, perché provoca perdite di calore e rende il confinamento del plasma molto più difficile. Ogni volta che il plasma diventa turbolento, l’energia si disperde e mantenere le condizioni necessarie alla fusione diventa un incubo ingegneristico.

Se le particelle alfa riescono effettivamente a ridurre questa turbolenza, il risultato è una sorta di circolo virtuoso. Più fusione produce più particelle alfa, che a loro volta stabilizzano il plasma, che a sua volta sostiene meglio la fusione. È il tipo di retroazione positiva che chi lavora nel campo sognava, ma che nessuno osava dare per scontata.

Cosa significa per il futuro dell’energia da fusione

Naturalmente, bisogna essere cauti. Le simulazioni sono strumenti potentissimi, ma restano modelli. La verifica sperimentale sarà il vero banco di prova, e progetti come ITER e altri reattori sperimentali in fase di sviluppo potrebbero fornire le conferme necessarie nei prossimi anni. Però il fatto che i modelli computazionali puntino tutti nella stessa direzione è già di per sé un segnale incoraggiante.

Per anni la comunità della fusione nucleare ha navigato in un mare di incertezze su questo punto specifico. Sapere che le particelle alfa non sono un ostacolo, ma anzi un alleato naturale del processo, cambia parecchie carte in tavola. Non risolve tutti i problemi legati alla realizzazione di un reattore a fusione commerciale, questo è ovvio. Ma rimuove uno dei dubbi fondamentali che pesavano sulla fattibilità del progetto. E a volte, nella scienza, eliminare un’incognita vale quanto trovare una risposta nuova.

L'articolo Fusione nucleare: le particelle alfa sono alleate o nemiche? proviene da Tecnoapple.

L’intelligenza artificiale sta cambiando il modo in cui la cosmologia esplora l’universo, e una tecnica chiamata transfer learning promette di rendere tutto molto più veloce. Eppure, proprio questa scorciatoia nasconde un rischio che pochi avrebbero immaginato: a volte l’IA è talmente sicura di quello che ha già imparato da non riuscire a riconoscere qualcosa di davvero nuovo. Uno studio pubblicato sul Journal of Cosmology and Astroparticle Physics ha messo in luce sia le enormi potenzialità sia le trappole di questo approccio, aprendo un dibattito che riguarda il futuro stesso della ricerca cosmologica.

Il modello cosmologico standard, noto come ΛCDM, funziona bene per spiegare molte caratteristiche dell’universo su larga scala. Però non è la parola definitiva. Osservazioni recenti suggeriscono che potrebbero esistere fenomeni ancora sconosciuti: neutrini massivi, gravità modificata, energia oscura che evolve nel tempo. Per testare queste ipotesi servono simulazioni al computer estremamente dettagliate, ognuna basata su assunzioni fisiche diverse. E qui arriva il problema pratico: generare queste simulazioni costa tantissimo in termini di potenza di calcolo.

Come il transfer learning taglia i costi (e cosa può andare storto)

Il gruppo di ricerca, guidato da Veena Krishnaraj della Princeton University insieme ad Adrian Bayer del Flatiron Institute, ha provato un’altra strada. Invece di addestrare una rete neurale direttamente sulle simulazioni più complesse e costose, il team ha prima fatto “studiare” all’IA le simulazioni più semplici basate sul modello ΛCDM. Solo dopo, la rete è stata affinata con modelli che includono la nuova fisica. Il concetto è intuitivo: come leggere prima un manuale introduttivo e poi passare al testo avanzato, senza dover partire da zero ogni volta.

I risultati sono stati notevoli. In alcuni casi, il transfer learning ha ridotto di oltre dieci volte il numero di simulazioni costose necessarie. Una differenza enorme, soprattutto pensando alle future survey cosmologiche che raccoglieranno quantità di dati senza precedenti.

Ma ecco la sorpresa meno piacevole. Lo studio ha evidenziato un fenomeno chiamato negative transfer. Succede quando le tracce di nuova fisica assomigliano troppo a schemi che l’intelligenza artificiale ha già catalogato come normali. L’esempio più chiaro riguarda i neutrini massivi: le loro firme osservative somigliano molto agli effetti di un parametro già presente nel modello standard, il σ8, che misura quanto la materia tende ad aggregarsi nell’universo. La rete neurale, forte delle conoscenze acquisite nella fase iniziale, fatica a distinguere i due effetti e rischia di scambiare una scoperta potenzialmente rivoluzionaria per qualcosa di già noto.

Le implicazioni per la cosmologia del futuro

Come spiega Krishnaraj, il negative transfer non è casuale: è guidato da degenerazioni fisiche reali nel modello, situazioni in cui processi diversi producono segnali quasi identici. È un po’ come se un medico, avendo studiato solo malattie comuni, vedesse i sintomi di una patologia rara e la confondesse con qualcosa di banale. La competenza pregressa aiuta quasi sempre, ma in certi casi specifici può diventare un ostacolo.

Per ora, tutto questo è stato testato solo su simulazioni. Il passo successivo sarà applicare il metodo a osservazioni astronomiche reali, e il team è fiducioso che il transfer learning possa diventare uno strumento fondamentale per le prossime grandi campagne osservative. La lezione, però, è già chiara: l’intelligenza artificiale può accelerare enormemente la ricerca di nuova fisica, ma va sorvegliata. Perché un sistema troppo convinto di sapere già tutto rischia, paradossalmente, di essere l’ultimo a notare la rivoluzione che sta cercando.

L'articolo IA e cosmologia: la scorciatoia che rischia di nascondere nuove scoperte proviene da Tecnoapple.

Come fanno due stelle appena nate a trovarsi, avvicinarsi e restare legate gravitazionalmente in tempi così brevi? La risposta potrebbe nascondersi nei campi magnetici che avvolgono le regioni dove si formano le stelle. Nuove simulazioni al supercomputer hanno rivelato un meccanismo affascinante: questi campi agiscono come una sorta di freno cosmico, sottraendo momento angolare e permettendo a due protostelle di spiralare l’una verso l’altra invece di allontanarsi. Un risultato che ribalta parecchie assunzioni precedenti sulla formazione dei sistemi stellari binari.

Le stelle, va ricordato, nascono dentro enormi nubi di gas e polvere. Quando parti di queste nubi collassano sotto la propria gravità, si creano regioni dense chiamate nuclei molecolari. Ed è qui che tutto comincia. Spesso le stelle non si formano da sole ma in gruppo, e in molti casi due di queste protostelle finiscono per legarsi gravitazionalmente, dando vita a un sistema binario. Le osservazioni astronomiche mostrano che questo legame si stabilisce molto presto, quando le stelle non sono nemmeno completamente formate. Il problema è che nessuno riusciva a spiegare come potesse accadere così in fretta.

Le simulazioni col supercomputer ATERUI III

Per venirne a capo, un team di ricercatori ha condotto simulazioni avanzate utilizzando diversi supercomputer, tra cui il sistema ATERUI III dell’Osservatorio Astronomico Nazionale del Giappone e il suo predecessore, ATERUI II. I risultati sono stati piuttosto eloquenti. I campi magnetici che attraversano il gas circostante riescono effettivamente ad avvicinare le protostelle tra loro. L’interazione tra campo magnetico e gas rimuove momento angolare dalla coppia, consentendo ai due oggetti di spiralare verso l’interno e formare un sistema binario entro tempistiche realistiche.

Il dettaglio più interessante? Quando i ricercatori hanno eseguito una simulazione escludendo completamente i campi magnetici, le protostelle si sono allontanate invece di avvicinarsi. Una prova abbastanza netta del ruolo fondamentale che questa forza invisibile gioca nel processo.

Possibili implicazioni per la fusione dei buchi neri

Ma la cosa non finisce qui. Lo stesso meccanismo potrebbe funzionare anche su scala molto più grande. I buchi neri binari massicci, quelli che si trovano nei centri ricchi di gas delle galassie appena formate, potrebbero perdere momento angolare attraverso interazioni simili che coinvolgono i campi magnetici. Questo spiegherebbe come coppie di buchi neri giganti riescano ad avvicinarsi abbastanza da fondersi, un passaggio considerato cruciale nella formazione dei buchi neri supermassicci dopo la collisione tra galassie.

Simulare direttamente l’evoluzione a lungo termine di questi sistemi estremi resta una sfida computazionale enorme, per via delle scale temporali coinvolte. Serviranno ulteriori studi per capire fino in fondo quanto i campi magnetici influenzino il comportamento e la fusione di questi oggetti cosmici. Ma il passo avanti è significativo: quella che sembrava una questione irrisolvibile ora ha almeno un candidato forte come risposta. E arriva, ancora una volta, da qualcosa che non si vede ma che governa il cosmo più di quanto si pensi.

L'articolo Campi magnetici e stelle binarie: la scoperta che ribalta tutto proviene da Tecnoapple.

Le simulazioni al supercomputer più avanzate mai realizzate potrebbero aver finalmente risolto uno dei grandi enigmi dell’astrofisica: come nascono i campi magnetici cosmici su larga scala a partire dal caos turbolento dello spazio. Un team guidato da scienziati della University of Wisconsin-Madison ha pubblicato su Nature i risultati di un lavoro computazionale colossale, capace di riscrivere parecchie pagine di quello che sappiamo su stelle, buchi neri e tempeste solari.

Il punto di partenza è semplice da capire, anche se la soluzione non lo è affatto. I campi magnetici sono ovunque nell’universo: nei pianeti, nelle stelle, nelle galassie intere. Influenzano le tempeste solari, il movimento delle particelle ad alta energia, persino la formazione delle galassie. Il problema è che, su piccola scala, questi campi sono disordinati e turbolenti, mentre su grande scala appaiono sorprendentemente organizzati. Per decenni nessuno è riuscito a spiegare come il disordine cosmico potesse generare strutture così ordinate. Le simulazioni al supercomputer condotte dal team hanno utilizzato 137 miliardi di punti griglia nello spazio tridimensionale, producendo 0,25 petabyte di dati e consumando quasi 100 milioni di ore di calcolo sul supercomputer Anvil della Purdue University. Circa 90 simulazioni in totale, un’impresa computazionale senza precedenti.

Il ruolo dei gradienti di velocità nella formazione dei campi magnetici

La chiave della scoperta sta in un concetto che, nella vita quotidiana, si può immaginare così: un ciclista che sbatte contro un marciapiede subisce un brusco gradiente di velocità, perché la bici si ferma ma il corpo continua a muoversi in avanti. Effetti simili si verificano all’interno del Sole, durante le fusioni di stelle di neutroni e in molti altri contesti cosmici. Il team ha inserito nelle simulazioni un gradiente di velocità costantemente rinnovato, e il risultato è stato sorprendente: dal caos iniziale emergevano col tempo strutture magnetiche ampie e ordinate. Quando lo stesso esperimento veniva ripetuto senza mantenere quel gradiente, le strutture organizzate semplicemente non comparivano. Il sistema restava caotico. Come ha sottolineato Bindesh Tripathi, primo autore dello studio e attualmente ricercatore alla Columbia University, la turbolenza è nota per essere un agente distruttivo, eppure in presenza di quel gradiente riesce a costruire qualcosa di ordinato.

Implicazioni per buchi neri, stelle di neutroni e meteo spaziale

Per quasi 70 anni gli scienziati hanno studiato le cosiddette dinamo magnetiche, cioè i processi che generano campi magnetici, ottenendo quasi sempre risultati frustranti: i campi generati restavano piccoli e disordinati, in netto contrasto con le osservazioni astronomiche reali. Paul Terry, professore di fisica alla UW-Madison e coautore senior dello studio, ha definito questo lavoro come una potenziale risoluzione di un problema annoso. E anche se la teoria non può essere testata direttamente in ambienti cosmici lontani, esperimenti di laboratorio condotti nel 2012 al Wisconsin Plasma Physics Laboratory sembrano supportare i nuovi risultati. All’epoca si osservarono comportamenti dei campi magnetici che nessun modello riusciva a spiegare. Il modello sviluppato da Tripathi e colleghi si allinea molto meglio con quei dati sperimentali. Le ricadute pratiche delle simulazioni al supercomputer sono potenzialmente enormi: dalla comprensione della dinamica magnetica nelle fusioni di stelle di neutroni e nella formazione dei buchi neri, fino alla capacità di prevedere le espulsioni di gas dal Sole verso la Terra, un tema che riguarda direttamente la sicurezza delle infrastrutture tecnologiche terrestri. La ricerca, finanziata dalla National Science Foundation e dal Dipartimento dell’Energia degli Stati Uniti, segna un passo avanti che potrebbe cambiare il modo in cui guardiamo il magnetismo cosmico. E tutto è partito, in fondo, da una simulazione e dalla curiosità di capire come il caos possa generare ordine.

L'articolo Campi magnetici cosmici: un supercomputer svela come nasce l’ordine dal caos proviene da Tecnoapple.

La gomma rinforzata è uno di quei materiali che usiamo tutti i giorni senza pensarci troppo. Pneumatici, suole di scarpe, guarnizioni industriali, componenti aeronautici. Praticamente ovunque. Eppure, per quasi cento anni, nessuno è riuscito davvero a spiegare perché aggiungere minuscole particelle di nerofumo (il cosiddetto carbon black) rendesse la gomma così incredibilmente resistente. Lo si sapeva, certo, funzionava. Ma il meccanismo preciso? Un bel punto interrogativo che la scienza si trascinava dietro da generazioni.

Ora un gruppo di ricercatori della University of South Florida ha finalmente trovato la risposta. E la scoperta è tanto elegante quanto sorprendente.

Simulazioni colossali per un enigma vecchio quasi un secolo

Per arrivare al cuore del problema, il team ha messo in piedi delle simulazioni computazionali di proporzioni enormi. Si parla dell’equivalente di 15 anni di tempo di calcolo. Una mole di dati e potenza di elaborazione impressionante, dedicata a osservare cosa succede a livello molecolare quando la gomma rinforzata viene sottoposta a stress meccanico.

Quello che hanno scoperto cambia la prospettiva su come funziona questo materiale. Le particelle di carbon black, disperse nella matrice di gomma, non si limitano a riempire uno spazio vuoto o a irrigidire la struttura in modo passivo. Fanno qualcosa di molto più interessante: costringono la gomma a “lottare contro se stessa” quando viene allungata. In pratica, le catene polimeriche si trovano a dover competere tra loro, creando una sorta di conflitto interno che dissipa energia e impedisce alla gomma di rompersi facilmente.

È un po’ come quando si tira una rete da pesca aggrovigliata: più si tira, più i nodi oppongono resistenza. Le particelle di nerofumo generano questo effetto su scala microscopica, aumentando in modo drastico sia la resistenza meccanica sia la durabilità del materiale.

Perché questa scoperta conta davvero

Capire finalmente il perché di un fenomeno osservato dal 1920 circa non è solo una soddisfazione accademica. Ha implicazioni concrete e potenzialmente enormi. Se si conosce il meccanismo esatto con cui il nerofumo rinforza la gomma, diventa possibile progettare materiali ancora più performanti, magari riducendo la quantità di additivi necessari o sviluppando alternative più sostenibili.

Pensate al settore degli pneumatici, per esempio. Ogni piccolo miglioramento nella resistenza della gomma rinforzata si traduce in maggiore sicurezza stradale, consumi ridotti e una vita utile più lunga per ogni singolo pneumatico. Moltiplicate questo vantaggio per miliardi di pneumatici prodotti ogni anno e i numeri diventano significativi.

Questa ricerca dimostra anche quanto la scienza dei materiali abbia ancora da offrire, persino su tecnologie che diamo per scontate. A volte le risposte più importanti si nascondono dietro domande che nessuno si preoccupava più di fare. E ci vogliono quindici anni di calcolo computazionale per trovarle.

L'articolo Gomma rinforzata: svelato dopo un secolo il segreto della sua resistenza proviene da Tecnoapple.

Uno stato della materia del tutto insolito, a metà strada tra il solido e il fluido, potrebbe esistere nelle profondità di pianeti come Urano e Nettuno. Non è fantascienza, ma il risultato di simulazioni avanzate che stanno facendo discutere parecchio la comunità scientifica. E la cosa affascinante è che questo fenomeno potrebbe finalmente dare qualche risposta a domande che restano aperte da decenni sui campi magnetici di questi mondi ghiacciati.

Il punto di partenza è relativamente semplice da capire, anche se le implicazioni sono enormi. A pressioni schiaccianti e temperature infernali, come quelle che si trovano negli strati più profondi di Urano e Nettuno, gli atomi di carbonio e idrogeno smettono di comportarsi come ci si aspetterebbe. Invece di formare strutture ordinate o di fondersi completamente, danno vita a una fase ibrida. Il carbonio resta ancorato in una sorta di impalcatura rigida, cristallina, mentre gli atomi di idrogeno si muovono liberamente al suo interno, quasi come un liquido che scorre attraverso una griglia fissa. È un comportamento che i ricercatori definiscono “superionico”, ed è qualcosa che sfida le categorie tradizionali della fisica della materia.

Perché questa scoperta cambia le carte in tavola

La faccenda non è puramente accademica. Se questo stato della materia esiste davvero all’interno di Urano e Nettuno, allora il modo in cui calore ed elettricità si propagano dentro questi pianeti sarebbe radicalmente diverso da quanto ipotizzato finora. E qui entra in gioco il mistero più grande: entrambi i pianeti presentano campi magnetici stranissimi, inclinati, asimmetrici, difficili da spiegare con i modelli attuali. Una struttura superionica negli strati interni potrebbe generare correnti elettriche anomale, capaci di produrre esattamente quel tipo di campo magnetico irregolare che gli strumenti hanno rilevato.

Le simulazioni che hanno portato a questa ipotesi sono estremamente sofisticate, basate su modelli quantistici che riproducono le condizioni estreme presenti nelle viscere di questi giganti ghiacciati. Nessuno ha ancora potuto replicare queste pressioni in laboratorio in modo completo, ma i risultati computazionali sono coerenti e robusti abbastanza da essere presi molto sul serio.

Cosa significa per il futuro dell’esplorazione planetaria

Questa ricerca arriva in un momento in cui l’interesse verso Urano e Nettuno sta crescendo in modo significativo. Diverse agenzie spaziali stanno valutando missioni dedicate verso questi pianeti esterni del sistema solare, e comprendere cosa succede nel loro interno è fondamentale per progettare strumenti scientifici adeguati. Se lo stato della materia superionico venisse confermato, cambierebbe anche la comprensione della struttura interna di molti esopianeti simili sparsi nella galassia, dato che i pianeti di tipo “nettuniano” sono tra i più comuni nell’universo conosciuto.

Quello che emerge da questi studi è un quadro della natura molto più strano e sorprendente di quanto i libri di testo lascino immaginare. La materia, sotto le giuste condizioni, può fare cose che sembrano quasi impossibili. E forse, proprio nelle profondità silenziose di Urano e Nettuno, la fisica sta ancora nascondendo qualcuna delle sue carte migliori.

L'articolo Urano e Nettuno nascondono uno stato della materia mai visto prima proviene da Tecnoapple.

La capacità di prevedere il comportamento di sistemi complessi e caotici ha appena fatto un salto enorme grazie alla Quantum AI, ovvero l’integrazione tra intelligenza artificiale e computer quantistici. Uno studio condotto dai ricercatori della University College London (UCL), pubblicato su Science Advances il 17 aprile 2026, ha dimostrato che questo approccio ibrido supera nettamente i modelli tradizionali, con implicazioni potenziali enormi per campi come la scienza del clima, la medicina e la produzione di energia. E la parte più interessante? Lo fa usando molta meno memoria rispetto ai metodi convenzionali.

Il punto di partenza è un problema che chiunque lavori con simulazioni conosce bene. Per fare previsioni su sistemi fisici complessi, le strade sono due: lanciare una simulazione completa che può richiedere settimane, oppure affidarsi a un modello di intelligenza artificiale che è più rapido ma perde affidabilità nel lungo periodo. La Quantum AI proposta dal team di UCL offre una terza via, decisamente più promettente.

Come funziona l’approccio ibrido quantistico

Il metodo non richiede che il computer quantistico faccia tutto il lavoro pesante. Al contrario, viene utilizzato in una fase specifica dell’addestramento dell’IA. I dati vengono prima elaborati dal computer quantistico, che identifica pattern statistici nascosti e stabili nel tempo, chiamati proprietà statistiche invarianti. Questi pattern vengono poi passati a un modello di IA che gira su un supercomputer classico, guidandone l’apprendimento in modo molto più efficace.

Qui entra in gioco la natura stessa del calcolo quantistico. A differenza dei computer tradizionali, che lavorano con bit impostati su 1 o 0, i qubit possono esistere in entrambi gli stati contemporaneamente grazie alla sovrapposizione quantistica. L’entanglement, poi, permette ai qubit di influenzarsi a vicenda anche a distanza. Queste due proprietà consentono di rappresentare una quantità enorme di informazioni in forma estremamente compatta.

Il risultato concreto? Il sistema di Quantum AI ha mostrato circa il 20 percento di accuratezza in più rispetto ai modelli standard, mantenendo previsioni stabili anche su periodi lunghi e di fronte a dinamiche caotiche. Il tutto con un consumo di memoria centinaia di volte inferiore.

Verso applicazioni concrete e su larga scala

Lo studio ha utilizzato un computer quantistico IQM a 20 qubit, collegato alle risorse di calcolo classico del Leibniz Supercomputing Centre in Germania. Per funzionare, questi dispositivi devono operare a temperature vicine allo zero assoluto, circa meno 273 gradi centigradi, più freddo di qualsiasi cosa esistente nello spazio.

Un aspetto particolarmente intelligente di questo approccio riguarda la gestione dei limiti hardware attuali. I computer quantistici odierni soffrono di rumore, errori e interferenze. Il metodo sviluppato a UCL aggira il problema usando il processore quantistico una sola volta durante il flusso di lavoro, evitando lo scambio continuo di dati tra sistema quantistico e classico.

Come ha spiegato Maida Wang, prima autrice dello studio, questa ricerca sembra dimostrare un vero e proprio vantaggio quantistico pratico. Il passo successivo sarà scalare il metodo con dataset più grandi e applicarlo a situazioni reali, che tipicamente presentano livelli di complessità ancora maggiori. È una di quelle scoperte che non rivoluzionano tutto dall’oggi al domani, ma che tracciano una direzione chiara. La Quantum AI potrebbe davvero cambiare il modo in cui la scienza affronta il caos.

L'articolo Quantum AI e sistemi caotici: la svolta che nessuno si aspettava proviene da Tecnoapple.

Quando si parla di sciami di robot, la logica suggerirebbe che più macchine si aggiungono, più velocemente si porta a termine un lavoro. Pulire una fuoriuscita di petrolio, assemblare componenti complessi, esplorare un’area pericolosa. Eppure, oltre una certa soglia, succede qualcosa di paradossale: i robot iniziano a intralciarsi a vicenda, si formano ingorghi e l’efficienza crolla. Un gruppo di ricercatori di Harvard SEAS ha trovato una soluzione tanto semplice quanto sorprendente. Basta aggiungere un pizzico di casualità nel movimento dei robot per sbloccare tutto e far riprendere il flusso.

Lo studio, pubblicato su Proceedings of the National Academy of Sciences nell’aprile 2026, è stato guidato dalla dottoranda Lucy Liu sotto la supervisione del professor L. Mahadevan e del ricercatore Justin Werfel. Il punto di partenza era una domanda che sembra banale ma non lo è affatto: in uno spazio limitato, quanti robot si possono schierare prima che le cose si inceppino?

Il rumore giusto: né troppo, né troppo poco

Per rispondere, il team ha creato simulazioni al computer in cui gruppi di agenti partivano da posizioni casuali e dovevano raggiungere destinazioni assegnate in continuazione. Ogni agente si muoveva verso il proprio obiettivo con un livello regolabile di variazione, una specie di “rumore” nel percorso. Quando il rumore era zero, gli agenti marciavano in linea retta e finivano per ammassarsi in ingorghi densissimi. Quando il rumore era troppo alto, vagavano senza meta e sprecavano tempo. Ma nel mezzo esisteva una zona perfetta, una sorta di punto di equilibrio, dove gli agenti ondeggiavano quel tanto che bastava per scivolare gli uni accanto agli altri senza bloccarsi.

Come ha spiegato Liu, potrebbe sembrare controintuitivo che la casualità renda le cose più gestibili. Eppure, quando c’è abbastanza variazione, diventa possibile calcolare medie (distanze medie, tempi medi, comportamenti medi) e quindi fare previsioni affidabili. Il team ha sviluppato modelli matematici per stimare il “tasso di raggiungimento degli obiettivi”, cioè quante destinazioni vengono completate nel tempo, identificando la combinazione ideale tra densità e casualità del movimento.

Dalla simulazione ai robot veri (e oltre)

Per verificare che non fosse solo teoria, Liu ha collaborato con il fisico Federico Toschi della Eindhoven University of Technology nei Paesi Bassi. Insieme hanno testato piccoli robot su ruote in laboratorio, tracciandoli con una telecamera dall’alto e codici QR. I robot fisici erano più lenti e meno precisi di quelli simulati, ma i risultati combaciavano: gli stessi schemi emergevano anche nel mondo reale.

La cosa più affascinante è che questo tipo di coordinazione efficiente non richiede né intelligenza avanzata né un controllo centralizzato. Bastano regole locali semplicissime per produrre comportamenti di gruppo sorprendentemente organizzati, almeno entro certi limiti di densità. Come ha sottolineato Mahadevan, capire come la materia attiva (che siano formiche, mandrie di animali o sciami di robot) riesca a funzionare in ambienti affollati attraverso principi di auto organizzazione è una questione rilevante per l’ecologia comportamentale e ben oltre.

E qui sta il bello: le implicazioni non si fermano alla robotica. I modelli matematici sviluppati in questo studio potrebbero aiutare a ottimizzare il flusso di persone negli spazi pubblici, migliorare la gestione del traffico urbano o ripensare il layout di stabilimenti industriali. L’idea che introdurre una variabilità controllata nei pattern di movimento possa migliorare l’efficienza complessiva apre scenari enormi. A volte, per far funzionare le cose, serve accettare che un po’ di disordine è esattamente quello che ci vuole.

L'articolo Sciami di robot: il trucco controintuitivo che li rende più efficienti proviene da Tecnoapple.

La fusione nucleare è una di quelle promesse tecnologiche che fanno battere il cuore a fisici e ingegneri da decenni. Eppure, dentro i tokamak, le macchine a forma di ciambella progettate per replicare il processo che alimenta le stelle, c’era un problema che nessuno riusciva davvero a risolvere. Le particelle di plasma in fuga dal nucleo colpivano il sistema di scarico in modo asimmetrico, molto più da un lato che dall’altro. Le simulazioni al computer? Non tornavano mai. Fino a oggi.

Un gruppo di ricercatori della Princeton University, guidato dal fisico Eric Emdee del Princeton Plasma Physics Laboratory, ha finalmente trovato il pezzo mancante del puzzle. E la risposta era, in un certo senso, sotto gli occhi di tutti: la rotazione del plasma. Quella rotazione toroidale, cioè il movimento circolare del plasma mentre gira attorno al tokamak, gioca un ruolo determinante nel decidere dove le particelle finiscono quando raggiungono il divertore, ovvero il componente che funge da sistema di scarico.

Per anni la spiegazione più accreditata chiamava in causa i cosiddetti cross-field drifts, spostamenti laterali delle particelle attraverso le linee del campo magnetico. Però le simulazioni basate solo su quel fattore non riproducevano quello che gli esperimenti mostravano nella realtà. Un bel problema, considerando che progettare reattori a fusione affidabili richiede modelli che funzionino davvero.

Quando simulazioni e realtà finalmente coincidono

Il team ha utilizzato il codice di modellazione SOLPS-ITER per simulare il comportamento delle particelle nel tokamak DIII-D, situato in California. Hanno testato quattro scenari diversi, attivando e disattivando rotazione del plasma e drifts laterali in varie combinazioni. Nessuna simulazione combaciava con i dati sperimentali finché non è stato inserito un ingrediente preciso: la velocità di rotazione del nucleo misurata a 88,4 chilometri al secondo.

Solo quando entrambi gli effetti lavoravano insieme, i modelli hanno riprodotto fedelmente la distribuzione asimmetrica osservata negli esperimenti reali. Come ha spiegato Emdee, nel plasma esistono due componenti di flusso: quello laterale e quello parallelo alle linee di campo. Molti davano per scontato che fosse il primo a creare l’asimmetria. Questo studio dimostra che il flusso parallelo, alimentato dalla rotazione del nucleo, conta almeno altrettanto.

Perché conta per il futuro della fusione nucleare

La scoperta non è solo un esercizio accademico elegante. Ha conseguenze molto concrete per chi sta progettando i reattori a fusione di prossima generazione. Sapere esattamente dove si concentreranno calore e particelle permette agli ingegneri di costruire divertori più resistenti, capaci di sopportare condizioni operative estreme senza degradarsi troppo in fretta.

Parliamo di componenti che devono reggere temperature e stress da capogiro. Sbagliare le previsioni sulla distribuzione del carico termico significherebbe ritrovarsi con parti danneggiate molto prima del previsto, un lusso che nessun progetto di fusione nucleare può permettersi.

Lo studio, pubblicato su Physical Review Letters nel 2025, rappresenta un passo avanti significativo nella comprensione di come il plasma si comporta ai bordi del tokamak. E soprattutto dimostra che i modelli computazionali possono finalmente diventare strumenti affidabili per guidare la progettazione dei futuri impianti. La strada verso la fusione commerciale resta lunga, questo è innegabile. Ma almeno adesso c’è un mistero in meno lungo il percorso.

L'articolo Fusione nucleare: risolto il mistero che nessuno riusciva a spiegare proviene da Tecnoapple.