Logo Università degli Studi di Milano


Dipartimento di

 
 
Notizie  

L'AI può prevedere quando e dove si romperanno i vetri a base di silice

Atomistic structure of glass

Essere in grado di prevedere quando e dove un materiale si romperà è una questione fondamentale con importanti implicazioni industriali nell’ambito del monitoraggio di dispositivi e componenti. I ricercatori del Centro della Complessità e i Biosistemi e del Dipartimento di Fisica “Aldo Pontremoli” dell’Università degli Studi di Milano in collaborazione con colleghi del Dipartimento di Scienze dei Materiali dell’Università Friedrich-Alexander di Erlangen-Norimberga in Germania, in un lavoro recentemente pubblicato su Nature Communications, hanno mostrato che tramite l’intelligenza artificiale è possibile esaminare la microstruttura dei vetri di silice per prevederne la frattura.

Grazie ai recenti progressi nel campo del deep learning, è possibile ottenere previsioni accurate della frattura anche per solidi fortemente disordinati come i vetri. Purtroppo però l'enorme numero di parametri utilizzati dalle reti neurali artificiali rende spesso impossibile un'interpretazione fisica dei risultati. Questo problema non riguarda solo la previsione della frattura ma si riscontra in molteplici applicazioni dell’intelligenza artificiale. I ricercatori del Centro della Complessità e i Biosistemi hanno utilizzato un metodo che permette di identificare le zone dell’immagine microstrutturale maggiormente “osservate” dalla rete neurale per la previsione della frattura. In questo modo è stato possibile comprendere quali siano le caratteristiche che rendono un materiale più propenso alla frattura. “Le reti neurali sono delle scatole nere” – spiega Stefano Zapperi, professore di fisica teorica della materia e coordinatore della ricerca – “e questo costituisce un limite importante nell’ambito della ricerca scientifica dove lo scopo principale è quello di spiegare l’origine di un fenomeno.  Grazie al metodo che abbiamo utilizzato è stato possibile capire meglio quali siano gli aspetti rilevanti che determinano la frattura del materiale e quindi ottenere non solo una previsione ma anche una maggiore comprensione fondamentale della meccanica dei vetri”. “La strategia che abbiamo sviluppato si presta a ulteriori applicazioni” – aggiunge Roberto Guerra, professore associato presso il dipartimento di fisica e coautore del lavoro– “ad esempio quello di progettare materiali disordinati con migliori proprietà di resistenza alla frattura.”

Per approfondimenti: F. Font-Clos et al. Predicting the failure of two-dimensional silica glasses, Nature Communications (2022)

20 maggio 2022
Torna ad inizio pagina