Decodificare le Rocce Spaziali con l’IA: La Scoperta dei Meteoriti

L’intelligenza artificiale (IA) sta trasformando il modo in cui facciamo le cose, non solo sulla Terra ma anche nello Spazio.

Essendo utilizzata per compiti che vanno dalla navigazione autonoma di veicoli spaziali e dall’analisi dei dati all’ottimizzazione dell’utilizzo delle risorse e al supporto delle scoperte scientifiche, la tecnologia consente missioni spaziali più efficienti, autonome e perspicaci.

Ad esempio, la NASA sta esplorando il potere dell’IA da molti anni. Dai rover autonomi su Marte alle iniziative potenziate dall’IA per trovare nuovi esopianeti, l’agenzia ha sfruttato questa tecnologia per migliorare la sua comprensione dello spazio.

Recentemente, l’agenzia federale statunitense ha dimostrato come l’IA possa aiutare i veicoli spaziali in orbita a raccogliere dati più mirati. L’IA ha permesso a un satellite, per la prima volta, di prevedere il suo percorso orbitale, elaborare e valutare le immagini con l’IA e decidere dove puntare uno strumento, il tutto in meno di due minuti e senza alcun intervento umano.

“L’idea è far comportare il veicolo spaziale più come un umano: invece di limitarsi a vedere i dati, pensa a ciò che i dati mostrano e a come rispondere,” ha detto Steve Chien, technical fellow in IA al Jet Propulsion Laboratory (JPL) della NASA e investigatore principale del progetto Dynamic Targeting.

Qualche anno fa, SpaceX di Elon Musk (SPCX ) ha anche lanciato un satellite dotato di IA per consentire al veicolo spaziale di partecipare a missioni nello spazio profondo.

Nel frattempo, gli scienziati hanno svelato i segreti del meteorite usando questa tecnologia. Questo materiale particolare sfida le regole del flusso di calore comportandosi sia come cristallo sia come vetro.

Con l’aiuto dell’IA, i ricercatori sono stati in grado di scoprire la capacità del minerale di mantenere una conduttività termica costante, un grande progresso che può rivoluzionare la scienza dei materiali trasformando la gestione del calore nella tecnologia e nell’industria. Potrebbe anche contribuire a ridurre le enormi emissioni di carbonio nella produzione dell’acciaio. 

Come l’IA sta svelando i segreti dei meteoriti

I meteoroidi sono i lampi di luce che a volte si vedono attraversare il cielo.

Queste rocce spaziali possono essere piccole come granelli di polvere o grandi come piccoli asteroidi. La maggior parte di esse sono frammenti di corpi più grandi che si sono frantumati. Alcune provengono da asteroidi, altre da comete, e alcune provengono anche dalla Luna, da Marte o da altri pianeti.

Questi sono chiamati meteoroidi mentre sono ancora nello spazio. Una volta che entrano nell’atmosfera della Terra o di qualsiasi altro pianeta e sopravvivono al passaggio, sono chiamati meteore.

Quando entrano nell’atmosfera, lo fanno ad alta velocità e, poiché la pressione supera la resistenza dell’oggetto, questo si disintegra, bruciando e producendo un bagliore intenso, da cui il nome “stelle cadenti”. Quando appaiono particolarmente luminose, sono chiamate “palle di fuoco”.

Queste meteore possono sembrare un fenomeno raro, ma secondo le stime della NASA, circa 48,5 tonnellate di questo materiale cadono sulla Terra ogni giorno.

Essendo parte dello spazio, queste rocce possono fornire preziose informazioni sulla composizione, formazione e storia di asteroidi, pianeti e del nostro sistema solare. 

Un meteorite è composto da vari materiali, inclusi roccia, metallo o una combinazione di entrambi.

Questi meteoriti sono studiati dagli scienziati in grande dettaglio utilizzando varie tecniche come osservazioni fotografiche e telescopiche, rilevamento radar, microscopia, spettroscopia, magnetometria e altre.

Recentemente, l’IA viene anche utilizzata per comprendere i meteoriti spaziali automatizzando la loro rilevazione tramite immagini di droni, migliorando la classificazione dei loro tipi attraverso il machine learning, identificando potenziali siti di impatto e persino rivelando la composizione dei materiali all’interno dei meteoriti. 

Analizzando enormi set di dati e riconoscendo schemi che gli esseri umani potrebbero perdere, l’IA migliora l’efficienza e l’accuratezza della ricerca sui meteoriti, fornendo così informazioni critiche sulle origini della vita.

Ad esempio, ricerca¹ della fine dell’anno scorso ha trovato prove di acqua liquida su Marte 742 milioni di anni fa con l’aiuto di un meteorite.

Quindi, un asteroide colpì Marte undici milioni di anni fa e inviò frammenti del pianeta rosso a viaggiare nello spazio. Uno di questi frammenti si schiantò sulla Terra, fornendoci un meteorite che può essere ricondotto direttamente a Marte. 

È stato chiamato Meteorite Lafayette e, dopo le indagini, i ricercatori hanno scoperto che mentre era su Marte, ha interagito con l’acqua. Recentemente, una collaborazione internazionale di scienziati ha determinato l’età dei minerali nel meteorite che si sono formati quando c’era acqua liquida. 

“Possiamo identificare i meteoriti studiando quali minerali sono presenti in essi e le relazioni tra questi minerali all’interno del meteorite.”

– Autrice principale Marissa Tremblay, professoressa assistente presso il Dipartimento di Scienze della Terra, dell’Atmosfera e Planetarie (EAPS) della Purdue University

Ha inoltre osservato che i meteoriti tendono a essere più densi delle rocce sulla Terra, sono magnetici e contengono metallo. Tuttavia, trovare i meteoriti non è così facile. 

La probabilità di trovarne è in realtà molto piccola. Di conseguenza, i ricercatori hanno utilizzato l’IA insieme ai droni per effettuare la scoperta. 

Nel 2022, ricercatori della Curtin University in Australia hanno recuperato un meteorite, che seguiva un’ellisse tra le orbite di Giove e Venere, nell’isolato outback australiano, utilizzando machine learning e due droni.

La tecnologia consente ai cacciatori di meteoriti di eseguire compiti ripetitivi senza perdere l’attenzione. Infatti, le macchine imparano a gestire i falsi positivi attraverso la ripetizione. 

“Il santo graal della ricerca di meteoriti al momento è un drone che può suddividere un’area geografica, osservare il terreno e trovare meteoriti con l’IA.”

– Mike Hankey, The American Meteor Society

La School of Earth and Planetary Sciences dell’Università, insieme all’Osservatorio di Parigi, al International Centre for Radio Astronomy Research (ICRAR) e ad altre istituzioni, hanno collaborato per risolvere il mistero degli asteroidi ricchi di carbonio, che, sebbene comuni nello spazio, rappresentano meno del 5% dei meteoriti che raggiungono la Terra.

Questo studio², che ha svelato il mistero di lunga data nella scienza spaziale, è stato pubblicato quest’anno. Per questo, gli scienziati hanno analizzato quasi 8.500 eventi di meteoroidi e meteoriti.

Ciò che lo studio ha scoperto è che il Sole e l’atmosfera terrestre agiscono come enormi filtri che distruggono i meteoroidi carbonacei prima che raggiungano il suolo. Tali meteoriti sono importanti perché contengono amminoacidi, molecole organiche e acqua.

Mentre era già noto che il materiale ricco di carbonio non sopravvive all’ingresso atmosferico, la ricerca ha mostrato che molti meteoroidi “non arrivano nemmeno così lontano”, fratturandosi mentre passano vicino al Sole. 

“Quelli che sopravvivono alla cottura nello spazio hanno più probabilità di attraversare anche l’atmosfera terrestre.”

– Co-autore Dr. Hadrien Devillepoix, Space Science and Technology Centre di Curtin e Curtin Institute of Radio Astronomy (CIRA)

Inoltre, ha scoperto che i meteoroidi formati da disruzioni tidali sono particolarmente fragili e quasi mai sopravvivono all’ingresso atmosferico. Secondo il Dr. Patrick Shober dell’Osservatorio di Parigi:

“Questa scoperta potrebbe influenzare future missioni asteroidali, valutazioni del rischio di impatto e persino teorie su come la Terra abbia ottenuto la sua acqua e i composti organici per permettere l’inizio della vita.”

Nel frattempo, uno studio³ di inizio anno ha utilizzato l’IA per scoprire che i “Marsquakes”, una delle forze principali che modellano la superficie del pianeta, sono causati da attività sismica dovuta agli impatti di meteoroidi.

Il team di ricercatori dell’Università di Berna e dell’Imperial College London ha sfruttato l’IA per identificare nuovi impatti in decine di migliaia di immagini orbitali tra dicembre 2018 e 2022 e poi li ha incrociati con dati sismici. Ha aiutato i ricercatori a trovare 123 nuovi crateri da incrociare, dei quali 49 erano potenzialmente corrispondenti a terremoti.

I dati appena estratti hanno rivelato che su Marte gli impatti di meteoroidi avvengono circa due volte più frequentemente rispetto alle stime precedenti.

Questo, ha osservato il Professor Tom Pike del team Imperial, dimostra “il potere di esaminare a fondo molteplici set di dati da Marte. Senza i dati sismici, non avremmo saputo dove cercare un impatto nelle immagini orbitali, e senza le immagini orbitali non avremmo potuto individuare la fonte dell’energia sismica.”

L’IA ha cambiato le regole del gioco per i ricercatori rilevando un impatto in un singolo pixel di una telecamera orbitale a bassa risoluzione utilizzata per il monitoraggio quotidiano del meteo. “La potenza e la velocità dell’IA ci hanno permesso di trovare l’ago nella paglia!” ha aggiunto.

L’algoritmo di macchina che ha svolto un ruolo chiave è stato sviluppato al JPL, che può setacciare enormi quantità di dati, come le immagini. 

L’IA conferma l’ibrido cristallo-vetro

Ora, ilultimo studio⁴ degli scienziati della Columbia Engineering ha utilizzato l’IA per fare un’altra scoperta meravigliosa. Hanno confermato le proprietà termiche “ibride” di un minerale spaziale, che non segue le regole tipiche del flusso di calore. Il meteorite agisce sia come cristallo sia come vetro.

Questo è una scoperta rivoluzionaria perché le proprietà di conduzione termica dei cristalli e dei vetri sono completamente opposte tra loro. Le conduttività termiche variano infatti notevolmente in entrambi.

La conduttività termica dei materiali varia drasticamente a seconda della struttura atomica. Ecco come si confrontano i materiali cristallini, vetrosi e ibridi:

Queste tendenze svolgono un ruolo chiave in una varietà di tecnologie, inclusi i sistemi di recupero del calore di scarto, la miniaturizzazione e l’efficienza dei dispositivi elettronici, e la durata degli scudi termici per applicazioni aerospaziali.

Ottimizzare le prestazioni e della durata dei materiali usati in queste applicazioni richiede una profonda comprensione di come la loro struttura atomica e composizione chimica determinino la capacità del materiale di condurre il calore.

Michele Simoncelli, professore assistente di fisica applicata e matematica applicata alla Columbia Engineering, ha adottato l’approccio dei primi principi e lo ha combinato con il machine learning per identificare il materiale unico con proprietà termiche distintive.

Le tecniche di machine learning hanno permesso al team di superare le sfide computazionali dei metodi dei primi principi e di simulare le proprietà atomiche che influenzano il trasporto del calore con precisione a livello quantistico. 

Il materiale è il primo del suo genere, che è stato scoperto nei meteoriti e identificato su Marte. 

Comprendere la fisica fondamentale che guida questo comportamento speciale può avanzare la nostra comprensione e aiutarci a progettare materiali che gestiscono il calore durante differenze di temperatura estreme.

Ora, la conduzione termica, che è il trasferimento di calore attraverso materia stazionaria per contatto fisico, dipende dalla struttura atomica di un materiale. Pertanto, se un materiale è vetroso, con una struttura disordinata e non cristallina, o cristallino, con un reticolo ordinato di atomi, influenza il modo in cui il calore fluisce a livello quantistico.

In pratica, la conduzione termica aumenta nei vetri con l’aumento della temperatura e diminuisce nei cristalli con il riscaldamento.

Per catturare questa tendenza opposta della conduttività termica nei vetri e nei cristalli, Simoncelli, in collaborazione con Francesco Mauri della Sapienza Università di Roma e Nicola Marzari del Politecnico Svizzero, ha derivato un’equazione unica nel 2019.

In particolare, l’equazione descrive il comportamento intermedio dei materiali parzialmente disordinati. Questo include i materiali usati nei rivestimenti termici per scudi termici, nelle celle solari perovskite e nei termoelettrici per recuperare il calore sprecato.

Ora, usando la stessa equazione, hanno esplorato la relazione tra la struttura atomica e la conduttività termica nei materiali fatti di biossido di silicio (SiO2).

Conosciuto anche come silice, il biossido di silicio è un composto chimico naturale composto da silicio e ossigeno, due degli elementi più abbondanti sulla Terra. È uno dei componenti principali della sabbia. 

I ricercatori hanno previsto che la forma “tridymite” del biossido di silicio mostrerebbe i segni di un materiale cristallo-vetro con una conduttività termica che non varia con la temperatura. 

La tridymite è una forma cristallina ad alta temperatura del biossido di silicio che si trova principalmente nelle rocce vulcaniche e si forma in condizioni di alta temperatura e bassa pressione. è anche presente nei meteoriti.

Il comportamento insolito del trasporto termico della Tridymite ha spinto un team di sperimentatori guidato da Daniele Fournier, Massimiliano Marangolo ed Etienne Balan dell’Università Sorbona di Parigi a condurre prove su un campione di silice tridymite ottenuto da un meteorite atterrato in Germania trecento anni fa.

Gli esperimenti hanno confermato le previsioni dei ricercatori con le misurazioni.

La tridymite meteoritica è stata confermata avere una struttura atomica intermedia tra il cristallo ordinato e il vetro disordinato. Inoltre, hanno scoperto che la sua conduttività termica rimane costante tra 80 K e 380 K, l’intervallo di temperatura sperimentalmente accessibile.

Con ulteriori analisi, il team ha previsto che il materiale potrebbe formarsi dall’invecchiamento termico nei mattoni refrattari, che fungono da barriera termica nei forni per la produzione di acciaio.

L’acciaio versatile, durevole e multifunzionale è uno dei materiali più cruciali nella società moderna, a sostegno di varie industrie e infrastrutture. Tuttavia, la produzione di acciaio è un processo ad alta intensità di carbonio, con 1 kg di acciaio che emette circa 1,3 kg di CO2. 

Con quasi 1 miliardo di tonnellate di acciaio prodotte ogni anno, è responsabile di molte emissioni di CO2, tanto da rappresentare circa 7% delle emissioni di carbonio negli Stati Uniti.

Come osservato nello studio, l’efficienza e l’impatto ambientale di ciò sono in gran parte determinati da come il calore è gestito nei forni, in particolare attraverso la conduttività termica dei materiali refrattari che possono resistere a temperature estreme.

Pertanto, i materiali derivati dalla tridymite potrebbero consentire un controllo più efficiente del calore intenso coinvolto nella produzione di acciaio. Così, usando i risultati dello studio, la conduttività dei refrattari può essere aumentata, riducendo il tempo di combustione dei forni e, di conseguenza, l’impronta di carbonio dell’industria dell’acciaio.

Oltre a tutto ciò, il gruppo di Simoncelli alla Columbia sta esplorando l’uso degli stessi meccanismi che determinano il flusso di calore nei materiali ibridi cristallo-vetro per comprendere il comportamento di altre eccitazioni nei solidi, come i magnon portatori di spin e gli elettroni portatori di carica.

Questi concetti aiutano le tecnologie emergenti ed efficienti dal punto di vista energetico, inclusi dispositivi spintronici, dispositivi indossabili e calcolo neuromorfico.

Per questo, il team di ricerca sta lavorando alla formulazione di teorie dei primi principi per prevedere osservabili sperimentali, sviluppando tecniche di simulazione IA per previsioni quantitativamente accurate delle proprietà dei materiali, e applicandole per scoprire e progettare materiali che affrontino sfide ingegneristiche e industriali.

Investire nella ricerca spaziale con IA

Quando si tratta di esplorazione spaziale, Lockheed Martin Corporation (LMT ) si distingue per essere un importante appaltatore per la NASA e il Dipartimento della Difesa. L’azienda progetta sistemi satellitari basati su IA e sonde planetarie per supportare missioni come l’esplorazione di Marte.

L’azienda globale di aerospazio e difesa ha una capitalizzazione di mercato di 101,23 miliardi di dollari, con le azioni attualmente scambiate a 433,60 dollari, in calo dell’11% YTD. Ha un EPS (TTM) di 23,15 e un P/E (TTM) di 18,73. Lockheed paga un rendimento da dividendo del 3,04%.

Lockheed Martin Corporation (LMT )

Proprio questa settimana, l’azienda ha annunciato il suo nuovo satellite di avviso missilistico, più capace e resistente. Durante i test, il satellite Next-Gen OPIR GEO ha dimostrato la sua capacità di operare e resistere alle temperature estreme e alle violente condizioni di vibrazione.

Per il Q2 2025, ha riportato vendite di 18,2 miliardi di dollari, in aumento rispetto ai 18,1 miliardi dello stesso trimestre dell’anno precedente. L’utile netto per il trimestre è stato di 342 milioni di dollari, o 1,46 dollari per azione. L’azienda ha anche segnalato perdite di programma per 1,6 miliardi di dollari e altre spese per 169 milioni di dollari. Questo, secondo Reuters, era dovuto a “difficoltà con un programma classificato nella sua divisione Aeronautics e programmi internazionali di elicotteri nella sua unità Sikorsky”.

Durante questo periodo, il flusso di cassa operativo è stato di 201 milioni di dollari, un calo enorme rispetto a 1,9 miliardi nel 2Q24. Nel frattempo, il flusso di cassa libero è stato di -150 milioni di dollari, rispetto a 1,5 miliardi nello stesso trimestre dell’anno precedente. Lockheed ha anche restituito 1,3 miliardi di dollari agli azionisti tramite dividendi e riacquisti di azioni.

Il suo CEO, Jim Taiclet, ha osservato che i clienti statunitensi e alleati stanno “chiedendo di elevare e accelerare molti programmi chiave”, incluso l’ordine da parte della US Space Force di satelliti GPS IIIF aggiuntivi. Ha aggiunto:

“Allo stesso tempo, il nostro processo di revisione dei programmi in corso ha identificato nuovi sviluppi che ci hanno portato a rivalutare la posizione finanziaria di un insieme di importanti programmi legacy. Di conseguenza, stiamo prendendo una serie di oneri in questo trimestre per affrontare questi rischi appena identificati.”

Ultime notizie e sviluppi sulle azioni di Lockheed Martin Corporation (LMT)

Conclusione

La magia dell’IA sta superando i confini della Terra per raggiungere le profondità dello spazio, aiutandoci a scoprire schemi nascosti nelle rocce spaziali, dai Marsquakes a comportamenti termici esotici. Con queste scoperte, l’IA sta accelerando le scoperte che trasformeranno la nostra comprensione dell’universo così come il futuro dei materiali.

Clicca qui per apprendere tutto sull’investimento nell’intelligenza artificiale.

Riferimenti:

1. Tremblay, M.M., Mark, D.F., Barfod, D.N., Cohen, B.E., Ickert, R.B., Lee, M.R., Tomkinson, T., & Smith, C.L. Datazione dell’attività acquosa recente su Marte. Geochemical Perspectives Letters, 32, pubblicato il 6 novembre 2024. https://doi.org/10.7185/geochemlet.2443
2. Shober, P.M., Devillepoix, H.A.R., Vaubaillon, J., et al. Storia del perihelio e sopravvivenza atmosferica come fattori principali del record dei meteoriti sulla Terra. Nature Astronomy, 9, 799–812 (giugno 2025). https://doi.org/10.1038/s41550-025-02526-6
3. Charalambous, C., Pike, W.T., Fernando, B., Wójcicka, N., Kim, D., Froment, M., Lognonné, P., Woodley, S., Ojha, L., Bickel, V.T., McNeil, J., Collins, G.S., Daubar, I.J., Horleston, A., & Banerdt, B. Nuovi impatti su Marte: svelare i percorsi di propagazione sismica attraverso il rilevamento di impatti nella zona di Cerberus Fossae. Geophysical Research Letters, pubblicato per la prima volta il 3 febbraio 2025. https://doi.org/10.1029/2024GL110159
4. Simoncelli, M., Fournier, D., Marangolo, M., Balan, E., Béneut, K., Baptiste, B., Doisneau, B., Marzari, N., & Mauri, F. Conduzione termica cristallo–vetro invariante alla temperatura: dai meteoriti ai refrattari. Proceedings of the National Academy of Sciences, 122(28), e2422763122 (11 luglio 2025). https://doi.org/10.1073/pnas.2422763122