Un nuovo modo per controllare la luce per computer futuri più veloci

Gli scienziati hanno creato un nuovo tipo di metamateriale che può offrire una funzionalità completa di blocco della luce per il calcolo fotonico.

Un metamaterial è un materiale ingegnerizzato le cui proprietà non derivano dalla composizione chimica dei suoi componenti di base, ma dalla loro struttura interna accuratamente progettata. In tal modo, questi materiali possono esibire proprietà insolite che non si trovano nei materiali naturali.

Questi materiali sono tipicamente composti da più materiali, come metalli e plastiche, e disposti in strutture ripetitive, sub‑lunghezza d’onda. La forma, le dimensioni, la geometria, l’orientamento e la disposizione conferiscono loro le proprietà, consentendo di manipolare onde elettromagnetiche, acustiche o sismiche assorbendo, piegando, potenziando o bloccando le onde per ottenere benefici non possibili con i materiali convenzionali.

Il nuovo metamateriale ingegnerizzato¹ dagli scienziati della New York University combina caratteristiche che sono tipicamente associate a liquidi e cristalli ma supera entrambi di essi nella sua capacità di bloccare la luce in ingresso da tutti gli angoli.

Denominati gyromorphs, la nuova classe di materiali disordinati correlati funzionalmente fonde la casualità simile a un liquido con schemi strutturali su larga scala per bloccare la luce da ogni direzione. Lo studio afferma:

“Generiamo gyromorphs in 2D e 3D mediante metodi di ottimizzazione spettrale, verificando che mostrano un forte ordine rotazionale discreto ma nessun ordine traslazionale a lungo raggio, mantenendo al contempo isotropia rotazionale a breve raggio per 퐺 sufficientemente grandi.” 

Con questa innovazione, i ricercatori hanno risolto le limitazioni nei progetti basati su quasicristalli che hanno a lungo infastidito gli scienziati. Può anche aiutare a guidare i progressi nel calcolo fotonico.

Da quasicristalli a gyromorphs nel calcolo fotonico

Nel calcolo fotonico, i fotoni invece delle correnti elettriche vengono usati per eseguire calcoli. Questa nuova generazione di computer, una volta realizzata, può essere molto più efficiente e veloce rispetto alle macchine tradizionali convenzionali.

Con l’elaborazione dei dati alla velocità della luce, promette di svolgere compiti ad alte prestazioni come l’IA, ma la tecnologia attualmente affronta sfide nella miniaturizzazione e nel costo. 

I progressi nel campo hanno portato allo sviluppo di chip fotonici funzionali per l’integrazione in server di calcolo ad alte prestazioni. Ma il calcolo guidato dalla luce è ancora in una fase iniziale, con i ricercatori che faticano a controllare i flussi microscopici di luce che attraversano un chip. 

Materiali progettati con cura sono ciò di cui abbiamo bisogno per reindirizzare con successo questi piccoli segnali ottici senza indebolirne la forza. Mantenere questi segnali forti richiede una sostanza specializzata e leggera nell’hardware che impedisce alla luce errante di entrare da qualsiasi direzione. 

Un componente cruciale per raggiungere questo obiettivo è l’incorporazione del materiale a bandgap isotropico. Questo materiale blocca la luce o altre onde dal propagarsi in tutte le direzioni, purché le frequenze siano all’interno del suo bandgap. Un tale materiale può essere disordinato ma iperuniforme, il che significa che manca di ordine traslazionale a lungo raggio ma possiede un tipo specifico e controllato di casualità.

Quando si progettano materiali a bandgap isotropico, i ricercatori hanno lungamente focalizzato sui quasicristalli.

Queste strutture che seguono regole matematiche ma non si ripetono come i cristalli tradizionali sono state scoperte dallo scienziato Dan Shechtman all’inizio degli anni 1980, per cui ha vinto il Premio Nobel per la Chimica nel 2011.

La scoperta è avvenuta mentre si studiava l’alluminio e il manganese. Quando i due metalli sono stati fusi insieme e raffreddati rapidamente per formare una lega, hanno mostrato una simmetria decadica al microscopio elettronico, una proprietà che non si verifica nelle strutture cristalline come i metalli.

I quasicristalli hanno proprietà delle strutture cristalline, come i diamanti, il che significa che sono organizzati in schemi, così come le strutture amorfe come il vetro, il che significa che tali schemi non si ripetono. Le loro proprietà uniche rendono i quasicristalli sia durevoli che fragili.

In uno studio dell’Università del Michigan all’inizio di quest’anno, i ricercatori hanno scoperto che i quasicristalli sono materiali fondamentalmente stabili² nonostante condividano somiglianze con solidi disordinati.

“Dobbiamo sapere come disporre gli atomi in strutture specifiche se vogliamo progettare materiali con proprietà desiderate,” ha osservato il co‑autore dello studio, Wenhao Sun, Assistente Professore Early Career di Scienza e Ingegneria dei Materiali. “I quasicristalli ci hanno costretti a ripensare come e perché certi materiali possono formarsi.”

Per fornire le risposte al perché i quasicristalli esistono o come sono formati, i ricercatori hanno prima dovuto capire cosa li rende stabili. Per questo, hanno dovuto determinare se i quasicristalli sono stabilizzati da entalpia o entropia, così i ricercatori hanno preso nanoparticelle più piccole da un blocco simulato più grande di quasicristallo, poi hanno calcolato l’energia totale in ogni nanoparticella.

I ricercatori hanno scoperto che sia i ben studiati quasicristalli, una lega di scandio e zinco, sia una lega di itterbio e cadmio, sono stabilizzati da entalpia.

Per il calcolo, il team ha utilizzato simulazioni quantomeccaniche dei quasicristalli, e per risolvere il collo di bottiglia computazionale, hanno fatto comunicare solo i processori vicini anziché tutti i processori del computer tra loro, il che ha reso il loro algoritmo fino a 100 volte più veloce.

“Ora possiamo simulare vetri e materiali amorfi, interfacce tra diversi cristalli, così come difetti cristallini che possono abilitare i bit di calcolo quantistico.”

– Vikram Gavini, professore di ingegneria meccanica e scienza dei materiali e ingegneria

In un altro studio, il National Institute of Standards and Technology (NIST) gli scienziati hanno trovato quasicristalli in una nuova lega di alluminio‑zirconio³, che è stata formata in condizioni estreme di stampa 3D metallica.

Mentre l’aggiunta di zirconio alla polvere di alluminio consente la stampa di leghe di alluminio ad alta resistenza, il team NIST voleva capire cosa rende questo metallo così forte, così può essere usato in componenti critici come parti di aeromobili militari. 

E hanno scoperto che i quasicristalli sono responsabili di ciò. Rompere il pattern regolare dei cristalli di alluminio rafforza la lega. Quando osservato dal giusto angolo, il team ha trovato la “molto rara” simmetria rotazionale a cinque facce, oltre a simmetrie a due e tre facce, da due angoli diversi.

Questo, secondo il fisico NIST e co‑autore Fan Zhang, “aprirà un nuovo approccio al design delle leghe. Con la ricerca che mostra che i quasicristalli possono rendere l’alluminio più forte. Ora le persone potrebbero cercare di crearli intenzionalmente in future leghe,” ha aggiunto.

All’interno della rivoluzione Gyromorph: materiali a bandgap isotropico

I quasicristalli hanno molto potenziale. Hanno persino la capacità di bloccare completamente la luce. Ma solo da direzioni limitate. E mentre possono indebolire la luce da tutte le direzioni, non possono fermarla del tutto.

Per superare questa limitazione, gli scienziati hanno cercato alternative che possano bloccare la luce che degrada il segnale in modo più efficace. Questo ha portato allo sviluppo dei gyromorphs, che possono aiutare a costruire materiali che impediscono alla luce errante di entrare da qualsiasi direzione in modo più efficace. Secondo l’autore senior dello studio, Stefano Martiniani, assistente professore di fisica, chimica, matematica e neuroscienze:

“I gyromorphs non sono simili a nessuna struttura conosciuta in quanto la loro composizione unica genera materiali a bandgap isotropico migliori di quanto sia possibile con gli approcci attuali.” 

Tuttavia, un grande ostacolo nella progettazione di questi materiali, le cui proprietà dipendono dalla loro architettura, è la disposizione necessaria per ottenere le proprietà fisiche desiderate.

Pubblicato in Physical Review Letters, i ricercatori della New York University descrivono una nuova strategia⁴ per sintonizzare il comportamento ottico.

Il team ha sviluppato un algoritmo che può produrre strutture funzionali con disordine incorporato. La nuova forma di “disordine correlato” rivelata dal team si colloca tra i due estremi: completamente ordinato e completamente casuale.

“Pensa agli alberi in una foresta – crescono in posizioni casuali, ma non completamente casuali perché di solito sono a una certa distanza l’uno dall’altro. Questo nuovo pattern, i gyromorphs, combina proprietà che credevamo incompatibili e mostra una funzione che supera tutte le alternative ordinate, inclusi i quasicristalli.”

– Martiniani

Durante la loro ricerca, il team ha osservato che tutti i materiali a bandgap isotropico mostravano la stessa firma strutturale. Così, si sono concentrati nel renderla “il più pronunciata possibile”, portando alla creazione dei gyromorphs.

La nuova classe di materiali risultante, l’autore principale Mathias Casiulis, borsista post‑dottorato nel Dipartimento di Fisica della NYU, ha dichiarato: “riconciliare caratteristiche apparentemente incompatibili”, perché non hanno una struttura cristallina fissa e ripetitiva, il che conferisce loro un disordine simile a un liquido. Allo stesso tempo, però, osservati da lontano, formano pattern regolari.

“Queste proprietà lavorano insieme per creare bandgap che le onde luminose non possono penetrare da nessuna direzione.”

– Casiulis 

Il team ha anche introdotto i “polygyromorphs” con più simmetrie rotazionali a varie scale di lunghezza per consentire la formazione di più bandgap in una singola struttura, aprendo così le porte al controllo fine delle proprietà ottiche.
Scorri per scorrere →

IA e materiali quantistici di nuova generazione nella scoperta

Man mano che i ricercatori continuano a spingersi più a fondo nei materiali di nuova generazione, emergono intere nuove classi di materiali.

Recentemente, un team di ricerca guidato dal Berkeley Lab del Dipartimento di Energia ha riportato la scoperta⁵ di “berkelocene”, una molecola organometallica che contiene l’elemento chimico sintetico, pesante e radioattivo berkelio.

Le molecole consistono in uno ione metallico circondato da una struttura a base di carbonio, e mentre sono relativamente comuni per gli elementi attinidi precoci, sono raramente noti per quelli più tardivi.

“Questa è la prima volta che si ottiene evidenza della formazione di un legame chimico tra berkelio e carbonio. La scoperta fornisce una nuova comprensione di come berkelio e altri attinidi si comportano rispetto ai loro pari nella tavola periodica,” ha detto il co‑autore Stefan Minasian, scienziato della Divisione Scienze Chimiche del Berkeley Lab, che ha lavorato alla preparazione di composti organometallici degli attinidi poiché consentono di osservare le strutture elettroniche distinte degli attinidi.

Gli attinidi sono una serie di 15 elementi metallici radioattivi nella tavola periodica, situati nel blocco f. Urano e plutonio sono esempi di attinidi. Sono noti per le loro proprietà radioattive e sono usati nei reattori nucleari e in altre tecnologie.

L’anno scorso, una collaborazione tra ricercatori dell’Università di Uppsala, Svezia, e della Columbia University, USA, ha portato alla scoperta di un materiale quantistico 2D chiamato CeSiI⁶, con una struttura cristallina di cerio, silicio e iodio. La sua struttura cristallina assomiglia a un arrangiamento bidimensionale di strati atomici distinti. 

Gli elettroni di CeSiI si comportano come fermioni pesanti, con una massa efficace fino a 100 volte superiore a quella dei materiali ordinari. Questa massa efficace è anisotropica; quindi, dipende dalla direzione in cui gli elettroni si muovono negli strati atomici.

“Con questa scoperta, ora disponiamo di una piattaforma materiale significativamente migliorata per investigare strutture elettroniche correlate. I materiali 2D sono come un kit di costruzione con pezzi LEGO. I nostri partner stanno già lavorando per aggiungere strati da altri materiali 2D per creare un nuovo materiale con proprietà quantistiche personalizzate.”

– Chin Shen Ong del Dipartimento di Fisica e Astronomia di Uppsala

Nel campo della scienza dei materiali, le possibilità sono infinite, e selezionare il materiale giusto è un ostacolo chiave per fare nuove scoperte. Mentre le previsioni guidate dalla teoria e le convalide basate su esperimenti aiutano a informare la selezione, è rimasto frammentato.

Questo è dove l’informatica dei materiali guidata dall’IA sta prendendo il sopravvento, integrando intuizioni a scala quantistica con grandi set di dati per setacciare, modellare e ottimizzare rapidamente nuovi materiali che sarebbe impossibile scoprire tramite il tradizionale metodo di tentativi‑ed‑errori.

Un team di ricercatori dell’Università di Tohoku ha costruito una mappa dei materiali basata su IA per unificare tutti i dati sperimentali con dati computazionali rappresentativi di primi principi, con l’obiettivo di aiutare i ricercatori a trovare il materiale giusto per una data situazione.

La mappa è un grande grafo con assi per somiglianza strutturale e prestazioni termoelettriche (zT), con ogni punto dati che rappresenta un materiale. I materiali simili appaiono in prossimità stretta. Poiché questi materiali sono solitamente sintetizzati e valutati usando metodi e dispositivi simili, la mappa consente agli sperimentatori di individuare rapidamente analoghi di materiali ad alte prestazioni sconosciuti e di riutilizzare protocolli di sintesi esistenti come prossimi passi.

In questo modo, lo strumento può aiutare a ridurre i costi di sviluppo e accelerare l’innovazione e la sua diffusione nel mondo reale. In futuro, il team prevede di estendere il loro framework oltre i termoelettrici per includere materiali topologici e magnetici e di incorporare descrittori aggiuntivi per creare una piattaforma completa di progettazione di materiali assistita dall’IA.

“Fornendo una vista intuitiva, dall’alto, su molti candidati, la mappa aiuta i ricercatori a selezionare obiettivi promettenti a colpo d’occhio; pertanto, si prevede che ridurrà sostanzialmente i tempi di sviluppo per nuovi materiali funzionali.”

– Prof.ssa associata Yusuke Hashimoto

Nel frattempo, uno studio dell’Università di Göteborg ha sviluppato un modello IA per determinare in modo efficiente la resistenza e la durabilità⁸ dei materiali compositi intrecciati.

Eseguire test fisici e simulazioni informatiche dettagliate per progettare nuovi materiali compositi di alta qualità, è “particolarmente difficile quando il composito è creato come materiale tessile intrecciato, dove le fibre sono avvolte l’una intorno all’altra e si comportano diversamente a seconda delle forze a cui il materiale è sottoposto,” ha osservato Ehsan Ghane, dottorando presso il Dipartimento di Fisica dell’Università di Göteborg.

Mentre i computer possono già simulare microstrutture realistiche basate sulle interazioni e influenze di un materiale, i materiali compositi intrecciati richiedono ancora notevoli risorse computazionali. Le reti neurali offrono un’alternativa, ma richiedono grandi quantità di dati di addestramento e faticano a estrapolare, così il team ha sviluppato un modello IA generalizzato che non richiede così tanti dati.

Il modello è stato addestrato su simulazioni e dati di test esistenti per i materiali costituenti del composito, consentendo di prevedere la durabilità del nuovo composito.

Mentre lo studio di Göteborg indagava metodi per integrare leggi materiali nel modello IA, un team di ricercatori della KAIST ha combinato leggi fisiche con il suo modello IA per consentire l’esplorazione rapida di nuovi materiali anche quando i dati sono rumorosi o limitati.

L’identificazione delle proprietà è uno dei passaggi chiave nello sviluppo di nuovi materiali, ma richiede massive quantità di dati sperimentali e attrezzature costose, il che limita l’efficienza della ricerca. Il team KAIST ha superato questa necessità integrando le leggi che governano la deformazione e l’interazione dei materiali e dell’energia.

I ricercatori hanno riportato una tecnica di rete neurale informata dalla fisica (PINN)⁹ per rilevare proprietà materiali e comportamento di deformazione usando solo una piccola quantità di dati da un singolo esperimento. Hanno poi introdotto un modello IA, il Physics‑Informed Neural Operator (PINO), che comprende le leggi della fisica e può generalizzare a materiali non visti.

I ricercatori del MIT hanno portato il concetto ancora più avanti sviluppando un metodo che incorpora informazioni da più fonti¹⁰: letteratura, composizioni chimiche, immagini microstrutturali e altro. 

Fa parte della nuova piattaforma Copilot per Scienziati Sperimentali del Mondo Reale (CRESt). Il loro metodo utilizza apparecchiature robotiche per consentire test ad alta produttività di materiali, quindi alimenta i risultati nel grande modello multimodale per migliorare le loro ricette.

I ricercatori hanno usato questo “assistente, non un sostituto, per i ricercatori umani”, per esplorare oltre 900 chimiche e condurre 3.500 test elettrochimici che hanno portato alla scoperta di un materiale catalizzatore che ha fornito una densità di potenza record in una cella a combustibile per generare elettricità.

Investire nell’avanzamento della scienza dei materiali

Nel mondo della scienza dei materiali, ATI Inc. (ATI ) è nota per i suoi materiali speciali tecnicamente avanzati e componenti complessi. L’azienda produce materiali ad alte prestazioni per i mercati aerospaziale, della difesa, medico, elettronico ed energetico.

I prodotti di ATI sono realizzati in leghe a base di nichel e superleghe, titanio e leghe a base di titanio, e leghe speciali. Operano attraverso due segmenti:

• Materiali e Componenti ad Alte Prestazioni (HPMC)
• Leghe Avanzate e Soluzioni (AA&S)

Con una capitalizzazione di mercato di 13,5 miliardi di dollari, le azioni ATI sono scambiate a 99,37 $, in crescita dell’80,5 % quest’anno. Ha un EPS (TTM) di 3,10 e un P/E (TTM) di 32,09. L’azienda paga un dividendo dello 0,32 %.

Utile per azione per il trimestre è stato di 0,78 $, e l’utile rettificato per azione è stato di 0,85 $.

“Abbiamo superato le nostre previsioni nel terzo trimestre, consegnando forti utili rettificati e performance di flusso di cassa operativo. Continuiamo a vedere segnali di domanda positivi nei nostri mercati core, poiché i nostri clienti aumentano la produzione per raggiungere i loro obiettivi di crescita. Siamo ben posizionati per far crescere il nostro business legato alla difesa attraverso un mix in espansione di prodotti altamente differenziati critici per gli USA e i nostri alleati.”

– CEO Kimberly A. Fields

Ultime notizie azionarie di ATI Inc. (ATI)

Conclusione: Perché i Gyromorphs sono importanti per la fotonica e gli investitori

La scienza dei materiali è fondamentale per l’avanzamento tecnologico, e è accelerata dall’IA. La convergenza di sperimentatori, teorici e sistemi di apprendimento automatico sta riducendo drasticamente i tempi dalla scoperta all’applicazione, consentendo l’identificazione rapida, la simulazione e l’ottimizzazione di materiali che una volta richiedevano decenni di ricerca tramite tentativi‑ed‑errori. 

In questo contesto, la scoperta dei gyromorphs rappresenta una pietra miliare sorprendente. Unendo disordine e pattern, questa nuova classe di materiale consente un controllo senza precedenti sulla luce e porta la promessa di sbloccare il prossimo grande salto nel calcolo fotonico.

Riferimenti

1. Casiulis, M., Shih, A., & Martiniani, S. “Gyromorphs: Una nuova classe di materiali disordinati funzionali.” Physical Review Letters 135(19) (2025). https://doi.org/10.1103/gqrx-7mn2
2. Baek, W., Das, S., Tan, S., Gavini, V., & Sun, W. Stabilità dei quasicristalli e cinetica di nucleazione dalla teoria del funzionale della densità. Nature Physics 21, 980–987 (2025). https://doi.org/10.1038/s41567-025-02925-6
3. Liu, Y., Zhang, H., Zhou, X., & Chen, Y., “Prestazioni catalitiche di nuovi ossidi a metallo misto per l’idrogenazione di CO₂.” Applied Catalysis B: Environmental 330 (2025). https://doi.org/10.1016/S0925-8388(25)01839-0
4. Casiulis, M., Shih, A., & Martiniani, S. Gyromorphs: Una nuova classe di materiali disordinati funzionali. Physical Review Letters 135, 196101 (2025). https://doi.org/10.1103/gqrx-7mn2
5. Russo, D. R., Gaiser, A. N., Price, A. N., Sergentu, D‑C., Wacker, J. N., Katzer, N., Peterson, A. A., … Legame berkelio‑carbonio in un berkelocene tetravalente. Science 387(6737), 974–978 (2025). https://doi.org/10.1126/science.adr3346
6. Posey, V. A., Turkel, S., … “Fermioni pesanti bidimensionali nel metallo van der Waals CeSiI.” Nature 625, 483‑488 (2024). https://doi.org/10.1038/s41586-023-06868-x
7. Hashimoto, Y., Jia, X., Li, H., & Toma, T. “Una mappa dei materiali che integra dati sperimentali e computazionali tramite apprendimento automatico basato su grafi per una scoperta dei materiali migliorata.” APL Machine Learning 3(3), 036104 (2025). https://doi.org/10.1063/5.0274812
8. Ghane, E. “Apprendere dai dati e dalla fisica per la modellazione multiscala dei compositi intrecciati.” Tesi di dottorato, Università di Göteborg, 2025. https://hdl.handle.net/2077/85666
9. Moon, H., Park, D., Cho, H.-K., Noh, H.-K., & Ryu, S. “Scoperta di modelli costitutivi iperelastici basati su reti neurali informate dalla fisica da dati estremamente scarsi.” Computer Methods in Applied Mechanics and Engineering 446, 118258 (2025). https://doi.org/10.1016/S0045782525005304
10. Zhang, Z., Ren, Z., Hsu, C.-W., Chen, W., Hong, Z.-W., Lee, C.-F., Penn, A., Xu, H., Zheng, D. J., Miao, S., Huang, Y., Gao, Y., Chen, W., Smith, H., Niu, Y., Tian, Y., Lu, Y.-R., Shao, Y.-C., Li, S., Wang, H.-T., Abate, I. I., Agrawal, P., Shao‑Horn, Y., & Li, J., “Una piattaforma robotica multimodale per la scoperta di elettrocatalizzatori multi‑elemento.” Nature 647, 390–396 (2025). https://doi.org/10.1038/s41586-025-09640-5