L'oro di NASA che nessuno riusciva a stampare — finché non è arrivata l'AI

Immagina di avere una biblioteca enorme. Cento milioni di libri. Dentro uno di quelli c'è la formula per creare un materiale rivoluzionario.

Il problema? Ogni libro costa centinaia di euro, ci vuole una settimana per leggerlo, e qualcuno prende fuoco prima che tu possa finirlo.

Bello, no? Eh, già.

Ecco, i ricercatori della Washington State University hanno affrontato una situazione del genere. Con una differenza importante: avevano l'AI dalla loro parte.

GRCop-42, la lega metallica impossibile

Parliamo di GRCop-42.

Sembra il nome di un droide di Star Wars, lo so. In realtà è una lega di rame, cromo e nbiobio che la NASA ha creato perché i metalli normali non reggevano il calore. (Non è una battuta.)

Questa roba viene usata nelle camere di combustione dei motori dei razzi. Lì dentro brucia propellente a temperature che farebbero sembrare il tuo forno una passeggiata. GRCop-42 resiste a quel calore e lo dissipa efficientemente, impedendo al razzo di fondersi. Roba piuttosto importante.

Il guaio? Stampare questo metallo in 3D è un incubo. Serve un laser potentissimo e tanta energia — il tipo di attrezzatura che possono permettersi solo grandi aziende aerospaziali e laboratori di ricerca con budget milionari.

Il novanta percento delle stampanti 3D commerciali? Non ce la fa. Non sono abbastanza potenti.

Almeno, fino ad ora.

Perché provare tutto non era un'opzione

Prima di parlare della magia dell'AI, capiamo perché questo problema faceva impazzire tutti.

Per stampare un metallo in 3D bisogna trovare le impostazioni giuste: potenza del laser, velocità, temperatura, e decine di altri parametri. Sbagli anche solo uno e non succede niente, oppure — più drammaticamente — il tuo oggetto si scioglie in una pozza.

L'approccio tradizionale? Provane tante, finché qualcuna non funziona.

Sembra ragionevole, finché non scopri che c'erano oltre cento milioni di combinazioni possibili. Ogni tentativo costa centinaia di dollari, richiede tempo e qualcuno che analizzi i risultati. Se provassi una combinazione al giorno, ti servirebbero 274.000 anni.

" A volte stampavano una configurazione e il prodotto si scioglieva semplicemente," racconta Azza Fadhel, dottoranda che ha lavorato al progetto. "Non era stampabile, e nemmeno con tutto il tempo e i soldi del mondo avrebbero potuto provare tutte le 100 milioni di opzioni."

Forte, vero? È come cercare un granello di sabbia preciso su una spiaggia, raccogliendoli uno alla volta.

L'AI entra in gioco

Qui arriva la parte intelligente.

Il team non ha iniziato a sparare nel buio. Ha costruito un sistema di AI che imparava da ogni esperimento — anche da quelli falliti.

Pensala così: stai cercando la ricetta perfetta, ma invece di procedere alla cieca, l'AI osserva cosa succede quando cambi ogni ingrediente. Inizia a capire quali combinazioni migliorano le cose e quali le peggiorano.

I ricercatori sono partiti da 37 configurazioni già fallite. Non tantissimi, ma abbastanza per far parlare l'AI.

Da lì, l'AI proponeva piccoli gruppi di nuove impostazioni da provare. Il punto intelligente? Bilanciava due cose. A volte sceglieva impostazioni che probabilmente funzionavano, basandosi su quello che aveva imparato. Altre volte, sceglieva deliberatamente impostazioni di cui non era sicura — perché quegli esperimenti "a casaccio" potevano insegnarle qualcosa di nuovo e rendere il modello più smart.

"Mi restituivano i risultati e li adoravo tutti — anche se fallivano — perché ogni risultato migliorava il nostro modello AI," dice Fadhel.

È un modo bellissimo di vedere il fallimento, onestamente.

Il momento della verità

Dopo 40 esperimenti in tre mesi, l'AI ha trovato sei configurazioni vincenti a diversi livelli di potenza del laser. Una di queste permetteva di stampare GRCop-42 con soli 500 watt — una prima assoluta per questa lega.

Sei successi su 40 tentativi non sembra niente di eccezionale. Ma ricorda: stavamo cercando tra 100 milioni di possibilità dove i successi sono rarissimi. È come trovare sei aghi in un pagliaio grande quanto un paese, e farlo senza quasi toccare il fieno.

E qui viene il bello: queste configurazioni vincenti funzionavano a potenze più basse. Significa che sono compatibili con quelle stampanti 3D commerciali che prima non ce la facevano. Il novanta percento che non poteva stamparla? Adesso forse può.

Perché non è solo questione di razzi

Sì, sono un appassionato di spazio, quindi stampare pezzi di razzi è già emozionante di per sé. Ma i ricercatori non si fermano qui.

Questo approccio con l'AI potrebbe aiutare con tutti i tipi di problemi complessi dove ci sono milioni di possibilità da testare — come la scoperta di farmaci, dove gli scienziati cercano le combinazioni molecolari giuste per curare malattie.

La stessa logica vale: invece di forzare la strada attraverso ogni opzione, usa l'AI per cercare in modo più furbo. Non si tratta di sostituire la creatività umana; si tratta di dare ai ricercatori una bussola molto migliore quando esplorano territori vasti e confusi.

" Il novanta percento delle stampanti commerciali non può stampare questa lega, quindi dato che siamo riusciti a trovare questi parametri praticabili, stiamo essenzialmente democratizzando la stampa di questa lega," dice Jana Doppa, che ha guidato la ricerca.

Quel "democratizzando" fa un sacco di lavoro qui. Quando solo grandi organizzazioni con attrezzature da milioni di euro possono fare qualcosa, l'innovazione rallenta. Quando laboratori più piccoli, università e startup possono accedere agli stessi materiali? Improvvisamente hai un sacco di cervelli in più che lavorano al problema.

Quello che penso

Adoro questa storia perché mostra l'AI al suo meglio: non come sostituto magico dello sforzo umano, ma come strumento potente che rende lo sforzo umano davvero conta.

I ricercatori non hanno semplicemente "fatto fare tutto all'AI". Hanno combinato la loro competenza nel settore con la capacità dell'AI di cercare in spazi enormi in modo efficiente. Hanno capito che anche gli esperimenti falliti avevano valore. Sapevano quali domande fare.

Questo è il futuro dell'AI nella scienza, secondo me — non robot che prendono il controllo dei laboratori, ma partnership intelligenti dove le macchine gestiscono gli incubi combinatori mentre gli umani si concentrano sul lavoro creativo e interpretativo che davvero richiede un cervello.

Adesso voglio solo sapere: qual è il prossimo problema con 100 milioni di opzioni in attesa di essere risolto?

Fonte: ScienceDaily