Se vuoi capire come un materiale cambia da una configurazione a livello atomico a un'altra, non è sufficiente catturare istantanee di strutture prima e dopo. Sarebbe meglio tenere traccia dei dettagli della transizione mentre accade. Lo stesso vale per lo studio dei catalizzatori, materiali che accelerano le reazioni chimiche riunendo gli ingredienti chiave; l'azione cruciale è spesso innescata da sottili cambiamenti su scala atomica nelle fasi intermedie.

"Per comprendere la struttura di questi stati di transizione, abbiamo bisogno di strumenti per misurare e identificare ciò che accade durante la transizione, " disse Anatoly Frenkel, un fisico con un incarico congiunto presso il Brookhaven National Laboratory del Dipartimento dell'Energia degli Stati Uniti e la Stony Brook University.

Frenkel e i suoi collaboratori hanno ora sviluppato uno strumento di "riconoscimento di fase" o, più precisamente, un modo per estrarre le firme "nascoste" di una struttura sconosciuta dalle misurazioni effettuate da strumenti esistenti. In un articolo appena pubblicato su Lettere di revisione fisica , descrivono come hanno addestrato una rete neurale a riconoscere le caratteristiche nello spettro di assorbimento dei raggi X di un materiale che sono sensibili alla disposizione degli atomi su una scala molto fine. Il metodo ha aiutato a rivelare i dettagli dei riarrangiamenti su scala atomica che il ferro subisce durante un cambiamento di fase importante ma poco compreso.

"Questa formazione in rete è simile a come viene utilizzato l'apprendimento automatico nella tecnologia di riconoscimento facciale, " ha spiegato Frenkel. In quella tecnologia, i computer analizzano migliaia di immagini di volti e imparano a riconoscere le caratteristiche chiave, o descrittori, e le differenze che distinguono gli individui. "Esiste una correlazione tra alcune caratteristiche dei dati, " ha spiegato Frenkel. "Nel linguaggio dei nostri dati a raggi X, le correlazioni esistono tra l'intensità delle diverse regioni degli spettri che hanno anche diretta attinenza con la struttura sottostante e la fase corrispondente."

Formazione in rete

Per preparare la rete neurale per il "riconoscimento di fase", ovvero, per essere in grado di riconoscere le caratteristiche spettrali chiave, gli scienziati avevano bisogno di un set di immagini per l'addestramento.

Janis Timoshenko, un borsista post-dottorato che lavora con Frenkel a Stony Brook e autore principale del giornale, affrontato quella sfida. Primo, ha utilizzato simulazioni di dinamica molecolare per creare 3000 modelli di strutture realistiche corrispondenti a diverse fasi del ferro e diversi gradi di disordine.

"In questi modelli, volevamo tenere conto degli effetti dinamici, quindi definiamo le forze che agiscono tra i diversi atomi e permettiamo agli atomi di muoversi come influenzati da queste forze, " disse Timoshenko. Poi, utilizzando approcci consolidati, ha usato calcoli matematici per derivare gli spettri di assorbimento dei raggi X che sarebbero stati ottenuti da ciascuna di queste 3000 strutture.

"Non è un problema simulare uno spettro, "Timoshenko ha detto, "è un problema capirli nella direzione all'indietro, iniziare con lo spettro per arrivare alla struttura, motivo per cui abbiamo bisogno della rete neurale!"

Dopo aver utilizzato i dati spettrali modellati di Timoshenko per addestrare la rete, gli scienziati hanno messo alla prova il loro metodo utilizzando dati spettrali reali raccolti mentre il ferro subiva la transizione di fase.

"Non ci sono molti metodi sperimentali per monitorare questa transizione, che avviene a temperature piuttosto elevate, " disse Timoshenko. "Ma i nostri collaboratori, Alexei Kuzmin, Juris Purans, Artur Cintins, e Andris Anspoks dell'Istituto di fisica dello stato solido dell'Università della Lettonia, la mia ex istituzione, ha eseguito questo esperimento davvero bello al sincrotrone ELETTRA in Italia per raccogliere dati di assorbimento dei raggi X su questa transizione di fase per la prima volta."

La rete neurale è stata in grado di estrarre le informazioni strutturali rilevanti dallo spettro di assorbimento dei raggi X del ferro, in particolare, la funzione di distribuzione radiale, che è una misura delle separazioni tra gli atomi e quanto sono probabili le varie separazioni. Questa funzione, unico per qualsiasi materiale, è la chiave che può sbloccare i dettagli nascosti della struttura, secondo Frenkel. Ha permesso agli scienziati di quantificare i cambiamenti nella densità e nella coordinazione degli atomi di ferro nel processo della loro transizione da una disposizione atomica all'altra.

Applicazioni aggiuntive

Oltre ad essere utile per studiare la dinamica dei cambiamenti di fase, questo metodo potrebbe essere utilizzato per monitorare le disposizioni delle nanoparticelle nei catalizzatori e in altri materiali, dicono gli scienziati.

"Sappiamo che le nanoparticelle nei materiali catalitici cambiano la loro struttura in condizioni di reazione. È davvero importante capire la struttura di transizione:perché cambia, e come ciò influisca sulle proprietà e sui processi catalitici, " Ha detto Timoshenko.

Le nanoparticelle spesso assumono anche strutture che si trovano da qualche parte tra cristallino e amorfo, con variazioni strutturali tra superficie e volume. Questo metodo dovrebbe essere in grado di separare queste differenze in modo che gli scienziati possano valutarne la rilevanza per le prestazioni dei materiali.

Il metodo sarebbe utile anche per studiare materiali eterogenei (che sono costituiti da una combinazione di particelle con dimensioni e forme diverse) e isomeri della stessa particella (che contengono lo stesso numero di atomi ma differiscono nelle loro disposizioni).

"Nessuna tecnica può visualizzare le posizioni degli atomi in tre dimensioni con una tale precisione da dire qual è la differenza tra le loro forme. Ma se misuriamo questa funzione di distribuzione radiale, c'è la possibilità di distinguerli e affrontare importanti questioni sul ruolo dell'eterogeneità nella catalisi, " ha detto Frenkel.