Il Santo Graal della Scienza dei Materiali

Parliamo di qualcosa che sembra fantascienza ma esiste davvero: materiali che conducono elettricità senza resistenza. Nessuna perdita di energia. Nessun calore disperso. Elettroni che scorrono in perfetta armonia, all'infinito.

Sono i superconduttori, e sono una delle cose più affascinanti che esistano in fisica.

Oggi ne abbiamo alcuni funzionanti. Li trovate nelle macchine per la risonanza magnetica, negli acceleratori di particelle, persino nei treni a levitazione magnetica sperimentali. Ma c'è un problema enorme: funzionano solo quando vengono raffreddati a temperature vicine allo zero assoluto, tipo -270°C o peggio. Costoso, scomodo, poco pratico.

Ecco perché i ricercatori di tutto il mondo cercano un superconduttore a temperatura ambiente. Un materiale che conduca perfettamente l'elettricità alla temperatura in cui staresti comodo con una maglietta. Se lo trovassimo, sarebbe rivoluzionario. Griglie elettriche efficienti, computer più veloci e più freschi, tecnologie che ancora non immaginiamo.

Il problema? Cercare questi materiali è terribilmente difficile. Per decenni, la maggior parte dei superconduttori è stata scoperta per puro caso.

Quando la Fortuna Incontra la Scienza

La professoressa Päivi Törmä dell'Università Aalto lo spiega bene: negli anni sono stati scoperti oltre 7.000 superconduttori, ma quasi tutti per caso. Il metodo tradizionale per prevedere quali materiali potrebbero funzionare richiede calcoli così pesanti che i ricercatori sono riusciti a testare in modo sistematico solo circa 20 di quei 7.000.

Venti. Su migliaia.

È come cercare un ago in un pagliaio, ma potendo esaminare un solo filo d'erba.

Però le cose stanno cambiando. La professoressa Törmä guida un team internazionale chiamato SuperC consortium, e hanno appena dimostrato qualcosa che potrebbe stravolgere tutto.

L'Intelligenza Artificiale Entra in Gioco

Il team ha sviluppato un approccio basato sull'AI che può screeningare un numero enorme di combinazioni di materiali e identificare i candidati più promettenti. Invece di calcolare manualmente le proprietà quantistiche di ogni singola possibilità — cosa che richiederebbe una potenza di calcolo impressionante — i loro algoritmi di machine learning restringono il campo ai migliori.

Una volta che l'AI segnala materiali interessanti, i ricercatori eseguono calcoli quantistici dettagliati su quei candidati specifici. Se la matematica torna, i collaboratori della Rice University sintetizzano il materiale in laboratorio per vedere se funziona davvero.

Questo approccio ha portato alla scoperta di due nuovi superconduttori: YRu3B2 e LuRu3B2. E c'è un dettaglio affascinante: le loro proprietà speciali derivano da elettroni che formano le cosiddette "bande piatte" all'interno di un reticolo kagome. Il reticolo kagome è una disposizione geometrica di atomi che prende il nome da un tradizionale pattern giapponese per intrecciare cesti. Quanto è elegante? La scienza che prende ispirazione dal design di artigiani vissuti secoli prima che qualcuno scoprisse l'elettrone.

Perché Non Si Tratta Solo di Due Materiali

Quello che mi eccita davvero di questa ricerca è che non si tratta solo di trovare questi due materiali. Si tratta di dimostrare che il metodo funziona.

La professoressa Törmä lo dice benissimo: con il machine learning, il team potrebbe passare da decine di materiali processabili a miliardi. Miliardi. Non è un miglioramento incrementale — è un salto rivoluzionario.

Pensateci. Invece di inciampare nei superconduttori per caso, gli scienziati potrebbero cercare sistematicamente in uno spazio chimico vastissimo, con l'AI come guida. La scoperta di quei due nuovi materiali è stata essenzialmente una prova di concetto, che mostra come il pipeline AI-screening → calcolo quantistico → sintesi in laboratorio funzioni davvero.

In Gioco C'è Davvero Molto

Facciamo un attimo per capire cosa significherebbe un superconduttore a temperatura ambiente per il nostro mondo.

La professoressa Törmä sottolinea che se questi materiali potessero sostituire i conduttori normali nei computer e nei data center, potremmo tagliare il consumo energetico globale e ridurre drasticamente il calore prodotto dall'intero settore ICT. Stiamo parlando di una delle industrie più energivore del pianeta.

Ma va oltre. Immaginate reti elettriche che non perdono energia durante la trasmissione. Motori molto più efficienti. Levitazione magnetica economicamente praticabile ovunque. Computer quantistici più facili da mantenere. Le applicazioni toccano quasi ogni settore della tecnologia moderna.

Il consorzio SuperC si è dato un obiettivo ambizioso: trovare un superconduttore a temperatura ambiente entro il 2033. Mancano meno di dieci anni. E con l'AI che accelera la ricerca, quella timeline potrebbe essere davvero raggiungibile.

Una Nota di Realismo (Per Equilibrio)

Devo essere onesto con voi: anche con l'AI che aiuta, ci sono ancora sfide enormi. Un materiale potrebbe sembrare perfetto sulla carta ma essere quasi impossibile da sintetizzare in pratica. Persino i superconduttori promettenti potrebbero essere troppo rari, troppo tossici, o troppo difficili da produrre su scala per essere mai pratici.

Ma il punto è: non lo sapremo finché non guardiamo. E ora, grazie all'AI, possiamo guardare molto più velocemente.

Il Risultato Finale

La scienza procede a singhiozzi. A volte facciamo progressi incrementali, a volte abbiamo svolte che cambiano fondamentalmente ciò che è possibile. L'approccio AI-powered che il team della professoressa Törmä sta sviluppando sembra proprio una di quelle svolte.

Stiamo assistendo a un momento in cui l'intelligenza artificiale non sta solo aiutando con piccoli compiti — sta permettendo un modo completamente nuovo di fare scienza. La ricerca del superconduttore a temperatura ambiente è stata chiamata il "santo graal" della scienza dei materiali, e l'AI è appena diventata la nostra migliore possibilità di trovarlo.

Terremo d'occhio questa storia. Voi fate lo stesso.

Fonte: ScienceDaily — https://www.sciencedaily.com/releases/2026/07/260701205006.htm