Una nuova tecnica messa a punto da un team di ricerca della North Carolina State University promette di rivoluzionare il futuro della scoperta di materiali, rendendola più veloce, sostenibile e precisa. Il risultato? Laboratori autonomi capaci di raccogliere oltre 10 volte più dati rispetto ai metodi tradizionali e in tempo reale.
Cosa sono i laboratori autonomi?
I laboratori autonomi (o self-driving labs) sono piattaforme robotiche che combinano automazione, intelligenza artificiale e scienze dei materiali; il loro obiettivo è semplice ma ambizioso: accelerare la scoperta di nuovi materiali riducendo tempi, costi e impatto ambientale.
In pratica, si tratta di sistemi che conducono esperimenti in modo automatico, e che imparano dai risultati per decidere in autonomia quale test eseguire successivamente.
Laboratori autonomi, laboratori standard e il problema con gli approcci attuali
Fino a oggi, la maggior parte di questi laboratori si è basata su esperimenti a flusso stazionario: le sostanze chimiche scorrono in microcanali, reagiscono, e il prodotto finale viene analizzato dopo che il sistema ha raggiunto l’equilibrio.
Questo metodo, sebbene già più rapido del lavoro umano, presenta un limite importante: ogni esperimento richiede attese anche di un’ora. Durante questo tempo, il sistema resta inattivo, senza raccogliere nuovi dati.
La svolta: flusso dinamico e analisi in tempo reale
La vera innovazione introdotta dai ricercatori consiste nell’utilizzo di esperimenti a flusso dinamico, in cui la composizione delle sostanze chimiche varia continuamente e viene monitorata in tempo reale e in questo modo, il sistema dei laboratori autonomi non si ferma mai: il campione fluisce costantemente, e i dati vengono acquisiti ogni mezzo secondo.
“È come passare da una singola foto a un film completo della reazione chimica“, afferma Milad Abolhasani, autore principale dello studio.
Risultato? Invece di ottenere un singolo dato dopo 10 secondi di reazione, il sistema ne raccoglie 20, uno ogni 0,5 secondi e l’algoritmo di intelligenza artificiale può apprendere molto più velocemente e con maggiore precisione.
Un cervello AI più intelligente
Il cuore dei laboratori autonomi è proprio l’algoritmo che decide quale esperimento eseguire. E questo algoritmo diventa tanto più efficace quanto più è nutrito da dati di qualità.
Con il nuovo approccio, l’intelligenza artificiale è stata in grado di individuare i materiali migliori al primo tentativo, dopo la fase di training. Il tutto usando meno sostanze chimiche, con un notevole risparmio di risorse e una drastica riduzione dei rifiuti.
Un futuro più veloce e più sostenibile
Questo nuovo sistema rappresenta un passo importante verso un paradigma scientifico che non sacrifica la sostenibilità in nome dell’efficienza. Al contrario: più velocità, meno costi, meno sprechi. Il perfetto equilibrio tra progresso tecnologico e responsabilità ambientale.
“Il futuro della scoperta dei materiali non riguarda solo la velocità, ma anche come ci arriviamo“, ha dichiarato Abolhasani. “Con meno sostanze chimiche, meno sprechi e risposte più rapide alle sfide globali.”
Riferimenti tecnici
Lo studio, intitolato “Flow-Driven Data Intensification to Accelerate Autonomous Materials Discovery”, è stato pubblicato su Nature Chemical Engineering in data 14 luglio 2025 e tra i vari autori dello studio possiamo trovare dottorandi, ricercatori e studenti della North Carolina State University, insieme a collaboratori del Tecnologico de Monterrey. Il progetto è stato finanziato dalla National Science Foundation e dall’Università della Carolina del Nord.
