Il ladro di energia che nessuno riusciva a vedere

Ogni volta che premi sull'acceleratore di un'auto elettrica, una parte dell'energia scompare senza rumore. Non sparisce in modo spettacolare: si trasforma semplicemente in calore, dentro il motore. È come avere una perdita invisibile nel serbatoio, che agisce però a livello molecolare.

Il responsabile ha un nome preciso: perdita per isteresi magnetica. I campi magnetici nei materiali del motore cambiano continuamente direzione. Ogni inversione consuma un po' di energia, che si disperde come calore. Quando questo succede milioni di volte al secondo, in milioni di motori, la perdita diventa rilevante.

Il calore peggiora tutto

C'è un problema in più. Il calore generato dal motore rende il fenomeno ancora più grave. I materiali magnetici perdono efficacia quando si scaldano, quindi sprecano ancora più energia. Si crea un circolo vizioso: più calore, più perdite. Niente di buono quando si cerca di massimizzare l'autonomia di un'auto elettrica.

Finora era difficile capire esattamente perché accadesse. I ricercatori sapevano del problema, ma non riuscivano a osservare i meccanismi microscopici con sufficiente chiarezza.

I domini a labirinto

All'interno dei materiali magnetici morbidi esistono strutture chiamate domini a labirinto. Sono zone magnetiche disposte in schemi intricati, simili a un dedalo a scala microscopica. Durante il funzionamento del motore, questi domini sono i protagonisti del processo di inversione della magnetizzazione.

La loro complessità è il vero ostacolo. Temperatura, struttura del materiale ed equilibri energetici li influenzano tutti insieme. Troppi fattori interagiscono, e i metodi tradizionali non riuscivano a modellare il fenomeno in modo preciso.

Quando l'intelligenza artificiale incontra la fisica

Un gruppo di ricercatori dell'Università di Scienze di Tokyo ha trovato un modo nuovo per affrontare il problema. Hanno creato un modello chiamato eX-GL, che combina fisica e intelligenza artificiale.

Per prima cosa hanno scattato immagini al microscopio dei domini magnetici a varie temperature. In seguito hanno analizzato queste immagini con un'AI che usa la omologia persistente, una tecnica matematica che identifica strutture nascoste nei dati. L'AI ha individuato un parametro, chiamato PC1, che descrive in modo efficace l'inversione della magnetizzazione.

Poi hanno collegato queste osservazioni al mondo della fisica, identificando i quattro principali ostacoli energetici che governano l'intero processo.

Il momento della scoperta

Il risultato più interessante è stato che il modello è stato spiegabile. Non solo ha dato un'impressione di successo: ha mostrato chiaramente come si passa dalle immagini microscopiche alle energie che perdono energia.