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.

Le stelle giganti rosse nascondevano un mistero che resisteva da mezzo secolo, e ora finalmente qualcuno ha trovato la chiave per risolverlo. Un gruppo di astronomi dell’Università di Victoria e dell’Università del Minnesota ha utilizzato simulazioni con supercomputer di ultima generazione per capire come il materiale prodotto nelle profondità di queste stelle riesca a raggiungere la superficie. La risposta, pubblicata sulla rivista Nature Astronomy, è tanto elegante quanto potente: tutto dipende dalla rotazione stellare.

Per chi non mastica astrofisica tutti i giorni, vale la pena fare un passo indietro. Stelle come il nostro Sole, quando esauriscono l’idrogeno nel nucleo, si espandono enormemente fino a diventare giganti rosse, arrivando anche a cento volte le dimensioni originali. Fin dagli anni Settanta gli astronomi avevano notato che la composizione chimica sulla superficie di queste stelle cambiava durante questa fase, con variazioni nei rapporti tra carbonio 12 e carbonio 13 che non avevano una spiegazione convincente. Le reazioni nucleari nel nucleo alterano la chimica interna, certo, ma tra il nucleo e l’involucro convettivo esterno c’è una barriera stabile che, in teoria, dovrebbe impedire al materiale di spostarsi verso l’alto. Eppure qualcosa evidentemente passava.

La rotazione stellare: il pezzo mancante del puzzle

Simon Blouin, ricercatore post dottorato a Victoria e autore principale dello studio, ha spiegato che grazie a simulazioni 3D ad alta risoluzione il team è riuscito a identificare l’impatto della rotazione sulla capacità degli elementi di attraversare quella barriera. Le onde interne generate dai moti convettivi nell’involucro esterno riescono a penetrare lo strato di separazione, ma le simulazioni precedenti mostravano un trasporto di materiale quasi trascurabile. La novità sta nel fatto che la rotazione della stella amplifica drasticamente l’efficacia di queste onde nel mescolare il materiale, con un incremento che supera le cento volte rispetto a una stella che non ruota. Più veloce è la rotazione, più intenso è il rimescolamento.

Dato che anche il nostro Sole diventerà una gigante rossa tra qualche miliardo di anni, questi risultati offrono uno sguardo concreto sul suo futuro.

Potenza di calcolo senza precedenti

Per arrivare a questo risultato, il team ha dovuto affidarsi a simulazioni idrodinamiche tridimensionali di una complessità enorme. Falk Herwig, direttore dell’Astronomy Research Centre di Victoria e investigatore principale, ha sottolineato come fino a poco tempo fa la potenza di calcolo disponibile non permettesse di testare quantitativamente questa ipotesi. Le risorse computazionali utilizzate includono il Texas Advanced Computing Centre e il cluster Trillium dell’Università di Toronto, lanciato nell’agosto 2025 e tra i sistemi più potenti disponibili in Canada per simulazioni accademiche su larga scala.

Herwig ha definito queste le simulazioni di convezione stellare e onde gravitazionali interne più intensive mai realizzate dal punto di vista computazionale. Senza la potenza di Trillium, questa scoperta semplicemente non sarebbe stata possibile.

La cosa interessante è che gli stessi approcci computazionali hanno applicazioni ben oltre l’astrofisica. Le tecniche sviluppate possono aiutare a comprendere meglio il moto dei fluidi nelle correnti oceaniche, nei modelli atmosferici e persino nel flusso sanguigno. Blouin ha già in programma di esplorare come la rotazione stellare influenzi altri tipi di stelle e altre fasi dell’evoluzione stellare, aprendo nuovi capitoli in una storia che, dopo cinquant’anni, sembrava destinata a restare senza finale.

L'articolo Stelle giganti rosse: supercomputer risolvono un enigma di 50 anni proviene da Tecnoapple.

Ricostruire la storia di una galassia lontana dalla Via Lattea analizzando la sua composizione chimica: sembra fantascienza, eppure è esattamente quello che un gruppo di astronomi è riuscito a fare con NGC 1365, una grande galassia a spirale. Il risultato, pubblicato su Nature Astronomy il 23 marzo 2026, apre una strada completamente nuova nello studio dell’evoluzione delle galassie e inaugura quella che gli scienziati chiamano “archeologia extragalattica”.

Il team, guidato da Lisa Kewley del Center for Astrophysics di Harvard e Smithsonian, ha utilizzato osservazioni raccolte con il telescopio Irénée du Pont presso l’Osservatorio di Las Campanas, nell’ambito della survey TYPHOON. La scelta è caduta su NGC 1365 perché il suo disco è orientato verso la Terra, offrendo una visuale privilegiata. Questo ha permesso agli astronomi di analizzare singole regioni dove le stelle si stanno formando attivamente, misurando le impronte chimiche lasciate da elementi come l’ossigeno nel gas circostante. Le stelle giovani e calde emettono radiazione ultravioletta intensa, che eccita il gas vicino e produce linee di luce molto specifiche. Proprio queste righe spettrali funzionano come un archivio nascosto, capace di raccontare miliardi di anni di trasformazioni.

Dalle simulazioni al passato reale di NGC 1365

Mappando la distribuzione dell’ossigeno attraverso NGC 1365 e confrontando quei dati con le simulazioni avanzate dell’Illustris Project, il team ha ricostruito come la galassia si è sviluppata nell’arco di 12 miliardi di anni. Queste simulazioni tracciano il movimento del gas, la formazione stellare, l’attività dei buchi neri e i cambiamenti chimici a partire da poco dopo il Big Bang fino ad oggi. Tra circa 20.000 galassie simulate, ne è stata individuata una che corrispondeva in modo sorprendente a NGC 1365.

Il quadro che ne emerge è affascinante. La regione centrale si è formata presto e si è arricchita rapidamente di ossigeno, mentre le zone esterne sono cresciute gradualmente nel corso di miliardi di anni, alimentate da fusioni ripetute con galassie nane più piccole. I bracci a spirale esterni, probabilmente, si sono formati in tempi più recenti, costruiti dal gas e dalle stelle portati dentro durante queste interazioni. Lars Hernquist, astrofisico di Harvard coinvolto nello studio, ha sottolineato quanto sia stato emozionante vedere le simulazioni combaciare così bene con i dati reali di un’altra galassia.

Cosa significa tutto questo per la Via Lattea

La cosa davvero interessante è che NGC 1365 condivide diverse somiglianze con la nostra Via Lattea. Studiare galassie come questa potrebbe quindi aiutare a capire se la storia della nostra galassia è tipica oppure rappresenta un caso particolare. Le galassie a spirale si formano tutte nello stesso modo? L’ossigeno è distribuito ovunque allo stesso modo? Sono domande enormi, e questo approccio basato sull’archeologia galattica sembra finalmente offrire gli strumenti giusti per rispondere.

Kewley ha evidenziato anche un altro aspetto che vale la pena notare: questo progetto è stato possibile solo grazie a una collaborazione paritaria tra teoria e osservazioni. Nessuna delle due, da sola, sarebbe bastata. È un modello di lavoro che potrebbe cambiare il modo in cui astronomi teorici e osservativi collaborano in futuro, rendendo lo studio dell’evoluzione delle galassie molto più ricco e preciso di quanto non sia mai stato prima.

L'articolo NGC 1365, 12 miliardi di anni ricostruiti grazie alla chimica proviene da Tecnoapple.

Calcolare come gli atomi si comportano all’interno dei materiali è sempre stato un incubo computazionale. Ora THOR AI, un framework sviluppato dall’Università del New Mexico e dal Los Alamos National Laboratory, promette di cambiare radicalmente le regole del gioco. Quello che prima richiedeva settimane di elaborazione su supercomputer, oggi si risolve in una manciata di secondi. E no, non è un’esagerazione.

Il cuore della questione ruota attorno ai cosiddetti integrali configurazionali, calcoli matematici enormi che servono a prevedere le proprietà termodinamiche e meccaniche dei materiali. Per decenni, i ricercatori si sono affidati a tecniche indirette come le simulazioni Monte Carlo e la dinamica molecolare. Metodi validi, certo, ma lenti e approssimativi. Il problema di fondo ha un nome che suona quasi poetico: la “maledizione della dimensionalità”. In pratica, più variabili si aggiungono, più la complessità esplode in modo esponenziale. Anche i computer più potenti del pianeta faticano a tenere il passo.

Come funziona THOR AI e perché cambia tutto

THOR sta per Tensors for High-dimensional Object Representation. Il framework combina algoritmi basati su reti tensoriali con modelli di machine learning che descrivono le interazioni atomiche. Il trucco sta nel prendere un problema matematico mostruosamente grande e scomporlo in pezzi più piccoli e gestibili, attraverso una tecnica chiamata “tensor train cross interpolation”. In aggiunta, il sistema è in grado di riconoscere le simmetrie cristalline presenti nei materiali, riducendo drasticamente il carico computazionale.

Come ha spiegato Dimiter Petsev, professore di ingegneria chimica e biologica all’Università del New Mexico, risolvere direttamente l’integrale configurazionale era considerato praticamente impossibile. I metodi classici avrebbero richiesto tempi di calcolo superiori all’età dell’universo. THOR AI aggira questo ostacolo con un approccio che offre un nuovo standard di precisione ed efficienza.

Risultati concreti e prospettive future

Il team ha testato THOR AI su diversi sistemi: rame, argon cristallino sotto pressioni estreme, e la complessa transizione di fase solido/solido dello stagno. In tutti i casi, il framework ha replicato i risultati ottenuti con simulazioni avanzate del Los Alamos, ma con una velocità oltre 400 volte superiore. Non si tratta di una differenza marginale.

La flessibilità del sistema è un altro punto di forza notevole. THOR AI si integra senza problemi con i modelli atomici basati su machine learning, il che lo rende utilizzabile in condizioni fisiche molto diverse tra loro. I ricercatori sono convinti che possa diventare uno strumento prezioso per la scienza dei materiali, la fisica e la chimica.

Duc Truong, scienziato del Los Alamos e primo autore dello studio pubblicato su Physical Review Materials, ha definito il risultato un passo avanti rispetto a simulazioni e approssimazioni vecchie di cento anni. THOR AI, secondo il suo team, apre la strada a scoperte più rapide e a una comprensione più profonda della materia. Il progetto è già disponibile su GitHub per chi volesse esplorarlo.

L'articolo THOR AI risolve in pochi secondi un problema fisico vecchio di un secolo proviene da Tecnoapple.

Per decenni, una domanda ha tormentato chi studia il cielo: perché la maggior parte delle galassie vicine alla Via Lattea sembra allontanarsi da noi, invece di essere attratta dalla forza di gravità? Ora, grazie a simulazioni avanzate, un team internazionale guidato dall’Università di Groningen ha trovato la risposta. La nostra galassia si trova al centro di un gigantesco foglio cosmico, una struttura piatta e sterminata fatta di materia, circondata da enormi vuoti. Ed è proprio questa architettura nascosta a spiegare quei movimenti che sembravano non avere senso.

Facciamo un passo indietro. Quasi un secolo fa, Edwin Hubble osservò che quasi tutte le galassie si allontanano dalla Via Lattea. Quella scoperta divenne uno dei pilastri della cosmologia moderna, la prova che l’universo si espande e che tutto è cominciato con il Big Bang. Eppure, già allora si sapeva che il quadro non era perfetto. Andromeda, la galassia più vicina alla nostra, si muove verso di noi a circa 100 chilometri al secondo. Un’eccezione notevole. Ma il vero rompicapo è un altro: le galassie di grandi dimensioni nei dintorni del Gruppo Locale (che include la Via Lattea, Andromeda e decine di galassie più piccole) dovrebbero essere attratte dalla massa combinata di questo sistema. Invece no, si allontanano. E per circa cinquant’anni nessuno ha capito il perché.

Una struttura invisibile fatta di materia oscura e vuoti cosmici

Il ricercatore Ewoud Wempe, dottorando presso il Kapteyn Institute di Groningen, insieme al suo gruppo di lavoro ha costruito simulazioni computerizzate estremamente sofisticate per risolvere il mistero. Quello che è emerso è sorprendente: la materia che circonda il Gruppo Locale non è distribuita in modo casuale. È organizzata in una struttura piatta e vastissima, larga decine di milioni di anni luce. E non si parla solo di materia ordinaria. Gran parte di questa struttura è composta da materia oscura, quella componente invisibile dell’universo che non emette luce ma esercita una forza gravitazionale enorme.

Sopra e sotto questo foglio cosmico si estendono regioni praticamente vuote, i cosiddetti vuoti cosmici. Questa combinazione, un piano denso di materia con vuoti ai lati, crea un equilibrio gravitazionale che permette alle galassie vicine di muoversi verso l’esterno senza cadere verso il Gruppo Locale. Le simulazioni riproducono con precisione sia le posizioni sia le velocità delle galassie osservate attorno a noi. Funziona. E funziona bene.

Un gemello virtuale del nostro angolo di universo

Per costruire il modello, il team è partito dalle condizioni dell’universo primordiale, utilizzando le misurazioni della radiazione cosmica di fondo per stimare come la materia fosse distribuita poco dopo il Big Bang. Un supercomputer ha poi fatto evolvere questo universo virtuale nel tempo, fino a ottenere un sistema che corrisponde al Gruppo Locale così come lo conosciamo oggi. Masse, posizioni, velocità della Via Lattea e di Andromeda sono replicate, insieme a quelle di 31 galassie appena fuori dal Gruppo Locale. I ricercatori lo chiamano un “gemello virtuale” del nostro ambiente cosmico, e non è difficile capire perché.

Quando il modello tiene conto della distribuzione piatta della materia, le galassie circostanti si allontanano a velocità coerenti con quelle realmente osservate. La massa distribuita lungo il piano compensa la gravità del Gruppo Locale, mentre le regioni fuori dal piano contengono pochissime galassie. Ecco perché non vediamo oggetti cadere verso di noi da quelle direzioni.

Secondo Wempe, questo studio rappresenta il primo tentativo dettagliato di mappare la distribuzione e il moto della materia oscura nell’area attorno alla Via Lattea e ad Andromeda. L’astronoma Amina Helmi, coinvolta nella ricerca, ha sottolineato come il problema abbia sfidato la comunità scientifica per decenni. Sapere che, partendo unicamente dai moti delle galassie, si può ricostruire una distribuzione di massa compatibile con le osservazioni reali è un risultato che apre prospettive enormi. Lo studio, pubblicato su Nature Astronomy il 6 marzo 2026, potrebbe segnare un punto di svolta nella comprensione di come funziona il nostro angolo di universo. E di quanto ancora ci sia da scoprire, nascosto nell’invisibile.

L'articolo Via Lattea avvolta da un gigantesco foglio cosmico: la scoperta che cambia tutto proviene da Tecnoapple.