All'inseguimento degli atomi di idrogeno mancanti

L'intelligenza artificiale viene spesso utilizzata per generare immagini. Nella ricerca vengono utilizzati modelli di intelligenza artificiale specializzati per applicazioni scientifiche, ad esempio per prevedere la posizione degli atomi nei materiali. In questo modo, il modello MatterGen, sviluppato da Microsoft, è in grado, a partire da pochi dati, ovvero quali atomi devono essere contenuti nel materiale e in quale rapporto quantitativo, di generare strutture cristalline complesse, che i ricercatori utilizzano poi per simulazioni al computer di nuovi materiali.

Un team scientifico guidato da Giovanni Pizzi del Centro per il calcolo scientifico, teoria e dati dell’Istituto Paul Scherrer PSI ha trovato adesso, in collaborazione con ricercatori delle Università italiane di Parma e di Modena, una via per risolvere, con l’ausilio dell’intelligenza artificiale, un vero e proprio problema che si riscontra nelle scienze dei materiali: quello delle posizioni atomiche mancanti in strutture altrimenti note. Come espongono ora sulla rivista specializzata npj Computational Materials, i ricercatori nel campo dei materiali hanno utilizzato per i loro scopi un approccio che normalmente trova applicazione nell'elaborazione delle immagini o nella visione artificiale, ovvero il riconoscimento e l'interpretazione delle informazioni visive tramite l'intelligenza artificiale.

In questo modo è possibile simulare per la prima volta, o in modo nettamente migliore, dei materiali che sono sì noti a livello sperimentale ma che finora risultavano inaccessibili dal punto di vista teorico. I ricercatori forniscono in tal modo un contributo alla ricerca di nuovi materiali con proprietà speciali, ad esempio per l'immagazzinamento dell'idrogeno o potenzialmente anche per lo sviluppo di nuovi superconduttori.

Atomi di idrogeno «invisibili»

«Per le nostre simulazioni delle proprietà dei materiali, dipendiamo dalle informazioni contenute nelle banche dati che ci indicano dove si trova ogni atomo in una struttura cristallina», afferma Timo Reents, dottorando nel gruppo di Giovanni Pizzi. Tuttavia, l’elemento idrogeno rappresenta a tal riguardo un'autentica sfida. Spesso l'idrogeno è un componente dei reticoli cristallini, ma è rilevabile sperimentalmente solo con grande difficoltà, quando si utilizzano i procedimenti tradizionali, in cui la disposizione degli atomi viene calcolata mediante la diffrazione dei raggi X. Di conseguenza, nelle rappresentazioni dei cristalli le posizioni degli atomi di idrogeno sono spesso imprecise o addirittura mancano del tutto nelle visualizzazioni.

Una conoscenza esatta delle posizioni atomiche è tuttavia indispensabile per le simulazioni al computer con le quali i ricercatori prevedono determinate proprietà dei materiali, come la conduttività elettrica o la conducibilità termica. «Se mancano le informazioni relative agli atomi di idrogeno, questo rappresenta un problema», afferma Giovanni Pizzi. «Spesso, proprio per questa ragione, non possiamo utilizzare per le nostre simulazioni svariate migliaia di materiali potenzialmente interessanti.» In questo caso può venirci in aiuto un'intelligenza artificiale.

Quando nella foto di un cane manca una zampa

Nella visione artificiale si impiegano i cosiddetti modelli di diffusione. Se vengono utilizzati per integrare delle informazioni mancanti in un’immagine, si parla di «inpainting». Ad esempio, nella foto di un cane è possibile aggiungere una zampa che nell’immagine era nascosta.

I precedenti approcci adottati dalle tecniche di visione artificiale, spesso, per prima cosa, «rumorizzavano», cioè inquinavano l’intera immagine del cane, ovvero sovrapponevano in questa immagine, intenzionalmente, delle informazioni casuali, per poi ricostruire in un secondo passaggio la foto con tutte e quattro le zampe. Ormai è invece diventata prassi comune variare l’intensità del rumore visivo, cioè il disturbo generato artificialmente nell’immagine, a seconda dell'area dell'immagine stessa: solo le regioni sconosciute, in cui deve essere aggiunta la zampa, vengono fortemente «rumorizzate», cioè sottoposte a disturbo visivo.

Ciò che è già consolidato nel campo della visione artificiale, non esisteva fino ad ora nella ricostruzione delle posizioni degli atomi. Per questo motivo, il team guidato da Giovanni Pizzi ha ora sviluppato un modello open source adattato denominato «XtalPaint» e basato su MatterGen di Microsoft. «In questo modo uniamo i vantaggi offerti dalla moderna visione artificiale e la ricostruzione dei cristalli: vengono rumorizzate solo le posizioni sconosciute nel cristallo, mentre le posizioni note rimangono sostanzialmente invariate durante il processo», spiega Timo Reents.

Esattamente come accade nella visione artificiale con i moderni approcci della tecnica inpainting, questo offre una maggiore efficienza: «Durante la ricostruzione graduale, XtalPaint può orientarsi fin dall’inizio sul cristallo esistente”, spiega Reents. "Questo aumenta il tasso di successo e consente inoltre un risparmio in termini di potenza di calcolo.»

Applicabile anche al litio e al sodio

Per verificare il loro metodo, i ricercatori hanno rimosso le posizioni degli atomi di idrogeno presenti in strutture cristalline già note e hanno poi utilizzato XtalPaint per eseguire la ricostruzione di queste posizioni. In questo modo, i ricercatori hanno trovato nell’87% dei casi le posizioni già note e, in un ulteriore 10%, hanno individuato addirittura configurazioni ancora più stabili dal punto di vista energetico. «Complessivamente questo significa un tasso di successo per XtalPaint pari al 97 per cento», afferma, soddisfatto, Reents.

«Adesso possiamo utilizzare il nostro metodo, ad esempio, per integrare le posizioni degli atomi di idrogeno mancanti nei database», dichiara Pizzi. Lui e i suoi collaboratori hanno già rintracciato anche errori nei database, che possono generarsi a seguito del trasferimento da pubblicazioni scientifiche originali. Oltre a questo, il metodo è applicabile non solo agli atomi di idrogeno, ma anche, ad esempio, al litio e al sodio, due elementi che rivestono una grande importanza per lo sviluppo di nuove batterie.

Testo: Oliver Morsch

Informazioni sul PSI

L'Istituto Paul Scherrer PSI sviluppa, costruisce e gestisce grandi e complesse strutture di ricerca e le mette a disposizione della comunità di ricerca nazionale e internazionale. La sua ricerca si concentra sulle tecnologie del futuro, l'energia e il clima, l'innovazione sanitaria e i fondamenti della natura. La formazione dei giovani è una preoccupazione centrale del PSI. Per questo motivo, circa un quarto dei nostri dipendenti sono ricercatori post-dottorato, dottorandi o apprendisti. Il PSI impiega un totale di 2.300 persone, il che lo rende il più grande istituto di ricerca della Svizzera. Il budget annuale è di circa 450 milioni di franchi svizzeri. Il PSI fa parte del settore dei PF, che comprende anche il Politecnico di Zurigo e l'EPF di Losanna, nonché gli istituti di ricerca Eawag, Empa e WSL.

Contatto

Dr. Giovanni Pizzi
PSI Center for Scientific Computing, Theory and Data
Istituto Paul Scherrer PSI

+41 56 310 58 24
giovanni.pizzi@psi.ch
[inglese, francese, italiano]

Timo Reents
PSI Center for Scientific Computing, Theory and Data
Istituto Paul Scherrer PSI

+41 56 310 32 73
timo.reents@psi.ch
[tedesco, inglese]

Pubblicazione originale

Score-based diffusion models for accurate crystal-structure inpainting and reconstruction of hydrogen positions
Timo Reents, Arianna Cantarella, Marnik Bercx, Pietro Bonfà, Giovanni Pizzi
npj Computational Materials, 11.06.2026 (online)
DOI: 10.1038/s41524-026-02090-1

Testo originale:
https://www.psi.ch/it/news/comunicati-stampa/all-inseguimento-degli-atomi-di-idrogeno-mancanti