Energetically Driven Structure Matching for Autonomous Total X-ray Scattering Experiments

Nella moderna ricerca di nuovi materiali, gli scienziati si stanno rivolgendo sempre più a laboratori che si gestiscono da soli. Questi "laboratori a guida autonoma" utilizzano robot per mescolare sostanze chimiche, potenti computer per analizzare i risultati e l'intelligenza artificiale per decidere cosa fare successivamente, il tutto in un ciclo continuo. L'obiettivo è accelerare il processo di ricerca di materiali con proprietà specifiche, come batterie migliori o catalizzatori più efficienti. Tuttavia, rimane un ostacolo significativo: sapere esattamente ciò che il robot ha effettivamente creato. Quando una macchina sintetizza una minuscola particella, il computer potrebbe prevedere una forma perfetta, ma la particella reale potrebbe essere leggermente diversa a causa delle realtà disordinate del calore, della tensione superficiale e dello stress atomico. Se il sistema non è in grado di leggere accuratamente la vera struttura del materiale appena creato, non può apprendere efficacemente né guidare il passaggio successivo con precisione. Questo divario tra il modello idealizzato del computer e la realtà fisica dell'atomo è dove deve avvenire la prossima svolta nella scienza autonoma.

Un team di ricercatori della Technical University of Denmark e della IT University로 Copenhagen ha sviluppato un nuovo modo per colmare questo divario, specificamente per esperimenti che coinvolgono nanoparticelle d'oro. Queste minuscole particelle, spesso larghe solo pochi nanometri, sono cruciali per molte tecnologie, ma la loro disposizione interna di atomi ne determina il comportamento. I ricercatori si sono concentrati su una tecnica chiamata scattering totale di raggi X, in cui un fascio di raggi X colpisce le particelle e rimbalza secondo un modello che rivela la loro struttura atomica. Negli esperimenti autonomi precedenti, il sistema confrontava il modello sperimentale dei raggi X con una libreria di modelli generati dal computer basati su forme geometriche perfette come sfere o ottaedri. Sebbene veloce, questo metodo portava spesso a errori. Il computer diceva al robot di aver creato una forma specifica, solo per scoprire in seguito che la particella era in realtà di una dimensione o forma diversa perché il modello del computer ignorava come gli atomi si spostano e si tendono quando sono liberi sulla superficie di una minuscola particella.

Per risolvere questo problema, il team ha introdotto un metodo che porta energia e calore nei modelli informatici. Invece di guardare solo a forme statiche e perfette, hanno utilizzato un sofisticato programma per computer basato sull'apprendimento automatico per simulare come gli atomi nelle particelle d'oro si rilasserebbero e si muoverebbero realmente. Hanno testato tre livelli di dettaglio. Il primo era la forma semplice e idealizzata, che è veloce da calcolare ma spesso errata. Il secondo consisteva nel lasciare che il computer facesse "rilassare" gli atomi, permettendo loro di spostarsi in una posizione più stabile e a minore energia, il che correggeva molti degli errori di dimensione. Il terzo, e più dettagliato livello, consisteva nel simulare le particelle come se vibrassero con il calore, creando una nuvola dinamica di possibili forme piuttosto che un'unica immagine congelata. Quando hanno confrontato questi tre approcci con i dati reali dei raggi X delle nanoparticelle d'oro, i risultati sono stati chiari. I modelli semplici sottostimavano costantemente le dimensioni delle particelle e talvolta confondevano una forma con un'altra. I modelli che tenevano conto del rilassamento atomico erano molto migliori, ma i modelli che includevano il moto termico degli atomi corrispondevano quasi perfettamente ai dati sperimentali reali.

I ricercatori hanno scoperto che i modelli semplici fallivano perché trattavano le particelle come blocchi rigidi, ignorando il fatto che gli atomi superficiali sono meno vincolati e spesso tirano verso l'interno o si spostano per alleviare lo stress. Questa distorsione cambia il modo in cui i raggi X si diffondono, portando il computer a indovinare la dimensione o la forma errata. Utilizzando i modelli appresi dalle macchine per tenere conto di questi spostamenti, il sistema poteva distinguere tra forme simili, come un decaedro (una forma a dieci facce) e un ottaedro (una forma a otto facce), che i modelli semplici spesso confondevano. Inoltre, il team ha scoperto che simulare le particelle nel vuoto a una temperatura leggermente inferiore produceva risultati quasi identici a simulare in acqua, il che rappresenta un grande vantaggio pratico. Ciò significa che il computer può eseguire queste simulazioni complesse e consapevoli del calore molto più velocemente senza dover modellare il liquido circostante, rendendo il processo fattibile per l'uso in tempo reale.

Per far sì che questo alto livello di precisione funzioni entro i stretti limiti temporali di un esperimento autonomo, il team ha progettato una strategia a "imbuto". Immaginate un processo che inizia con una rete ampia e si restringe rapidamente verso i candidati più promettenti. Per prima cosa, il sistema utilizza i modelli semplici e veloci per scansionare un ampio intervallo di possibilità e identificare alcune forme e dimensioni probabili. Successivamente, prende solo quei migliori candidati ed esegue le simulazioni di rilassamento più dettagliate e consapevoli dell'energia per raffinare la lista. Infine, applica i modelli più computazionalmente costosi, che simulano il calore, solo alle migliori opzioni rimanenti. Questo approccio gerarchico permette al sistema di ottenere l'informazione strutturale più accurata possibile senza dover aspettare ore che il computer finisca. Nei test, questo metodo è stato in grado di identificare la struttura che meglio si adattava entro una finestra di quindici minuti, un intervallo temporale che corrisponde al ciclo di un esperimento di sintesi autonoma nel mondo reale.

Le implicazioni di questo lavoro si estendono oltre le nanoparticelle d'oro. Dimostrando che l'abbinamento strutturale guidato dall'energia può avvenire in parallelo alla sintesi, i ricercatori hanno mostrato una strada verso laboratori che non si limitano a seguire un piano prestabilito, ma possono adattare i propri obiettivi in base a ciò che trovano effettivamente. Se il sistema si rende conto che una determinata forma è impossibile da realizzare nelle attuali condizioni, o che una forma leggermente diversa è energeticamente più stabile, può aggiornare il proprio obiettivo in tempo reale. Questo sposta la scienza autonoma dal semplice tentativo di colpire un bersaglio statico all'esplorazione del panorama di ciò che è fisicamente possibile. Lo studio dimostra che, combinando lo screening rapido con simulazioni mirate ad alta fedeltà, gli scienziati possono finalmente dare ai laboratori a guida autonoma la capacità di vedere la vera struttura atomica dei materiali che creano, trasformando un tentativo casuale in una decisione chiara e informata.