Un gruppo di scienziati dell’Università di Buffalo ha modellizzato al computer 43 nuove forme di carbonio alcune delle quali potrebbero essere più dure anche dei diamanti.
Ogni varietà di carbonio modellizzata computer è fatta da atomi di carbonio collocati con un particolare schema in una sorta di reticolo cristallino.
I ricercatori hanno poi pubblicato lo studio su npj Computational Materials, una ricerca che tra l’altro conferma quanto l’intelligenza artificiale, e in particolare la tecnica del machine learning, possa essere importante anche per la ricerca di nuovi materiali e in generale in tutto il settore dell’ingegneria dei materiali.
Tra l’altro i materiali superduri possono rivelarsi molto utili perché possono tagliare, forare o anche affinare altri materiali e oggetti e possono essere utilizzati anche per creare rivestimenti antigraffio.
Attualmente non esiste un materiale più duro del diamante ma quest’ultimo è anche molto costoso, come ricorda Eva Zurek, chimica dell’Università di Buffalo impegnata nello studio.
Proprio per questo sono molti i laboratori in tutto il mondo che stanno cercando di sintetizzare, perlomeno modellandoli, materiali più duri del diamante e possibilmente più economici. Tuttavia si tratta spesso di processi lunghi e laboriosi ed è qui che entrano in gioco il computer e i nuovi e sempre più potenti algoritmi di intelligenza artificiale.
Tra l’altro con il computer si possono arrivare a modellizzata materiali che potrebbero mostrare altre interessanti proprietà come particolari interazioni con il calore o con l’elettricità o altre proprietà che i diamanti non hanno.
“Sono noti pochissimi materiali superduri, quindi è interessante trovarne di nuovi”, riferisce la ricercatrice lasciando intendere che l’algoritmo open source che hanno utilizzato, denominato XtalOpt, per generare strutture casuali e cristalline con il carbonio, potrebbe essere utilizzato anche per scoprire nuove strutture e nuovi materiali in maniera sempre più efficiente e veloce e che qualcuno di questi potrebbe riservare qualche gradita sorpresa.
Approfondimenti
- Predicting superhard materials via a machine learning informed evolutionary structure search | npj Computational Materials (IA) (DOI: 10.1038/s41524-019-0226-8)
