Complessità  nella “Soft Matter”

Una delle idee più radicate alla base della rivoluzione scientifica degli ultimi secoli è che i fenomeni naturali quali essi ci appaiono siano comprensibili sulla base di regole ben definite. Le regole o leggi naturali sono quindi viste in antitesi al Caos o al disordine. Scoprire e validare le leggi naturali è lo scopo della scienza come oggi la intendiamo. Eppure, la complessità del mondo che osserviamo è chiaramente in contrasto con la semplicità delle leggi naturali che gli scienziati sono stati in grado di comprendere.

Nella seconda metà del secolo scorso, questi due aspetti, complessità dei fenomeni naturali e semplicità delle leggi sottostanti, sono stati in qualche modo riconciliati   grazie alla scoperta che il Caos è insito nelle leggi stesse. La teoria del Caos spiega perché il Caos è parte integrante delle leggi naturali e averlo compreso ha prodotto una profonda rivoluzione concettuale nella scienza [1,2]. Insieme con la meccanica quantistica e la teoria della relatività, la teoria del Caos è uno dei tre grandi paradigmi scientifici che hanno cambiato il nostro modo di vedere e capire quello che ci circonda. Oltre la Fisica, la teoria del Caos trova applicazione in quasi tutte le discipline scientifiche, incluse l’Economia e le Scienze Sociali. È quasi impossibile fare un sommario in qualche misura esaustivo dei problemi che si stando affrontando e in parte risolvendo nelle diverse discipline. È però possibile capire come, anche grazie alla Teoria del Caos, sia in parte cambiato il modo di fare ricerca e quali siano potenzialmente le direzioni in cui oggi si pensa di ottenere dei significativi risultati.

La Teoria del Caos ha dato un contributo fondamentale allo sviluppo del concetto di sistema complesso. In realtà non esiste una definizione condivisa di cosa si debba intendere per sistema complesso. Esistono varie definizioni ognuna a seconda dei punti di vista.  Per alcuni, un sistema complesso è un sistema il cui comportamento dipende in modo cruciale dai dettagli del sistema stesso. D’altra parte, una simulazione al computer di un sistema caotico non è esatta ma rappresenta una approssimazione della soluzione esatta e delle regole che la governano. In queste condizioni, possiamo capire quali sono le caratteristiche generali del sistema, ovvero della distribuzione di probabilità che lo caratterizza, e che, in qualche misura, sono indipendenti dai dettagli stessi.

In quest’ambito, anche grazie agli sviluppi tecnologici (super-computer) e nuove tecniche di indagini sperimentali, si è sviluppato e sta rapidamente crescendo l’interesse scientifico nello studio delle caratteristiche fisiche della materia “soffice”.  L’attività di ricerca in questo settore prende il nome, forse riduttivo, di “Soft Matter” e non riguarda solo la fisica ma è fortemente interdisciplinare coinvolgendo biologia, chimica, ecologia, geofisica medicina e scienze sociali.

All’interno della Fisica propriamente detta il termine “Soft Matter” si applica a sistemi quali il comportamento dei fluidi complessi, i materiali amorfi (emulsioni, vetri, sistemi granulari, ecc…).

La figura mostra il campo di densità di una emulsione, dove la parte scura è leggermente più densa di quella chiara, ottenuto utilizzando una simulazione numerica basata sulle equazioni di Boltzmann sul reticolo e implementando a livello mesoscopico le forze di interazione molecolare. Questo tipo di simulazioni permette di studiare il comportamento dinamico delle emulsioni quando agiscono forze esterne [3].

Distribuzione di probabilità del tempo intercorso fra una valanga e la successiva come osservato sperimentalmente nei sistemi granulari (simboli a cerchi e diamanti) nelle simulazioni numeriche delle emulsioni (simboli a triangoli) simili a quelle riportate nella FIGURA 1 e come osservate nella statistica degli eventi sismici (distribuzione di Corral linea nera continua). Questa figura è un tipico esempio di studio interdisciplinare nel settore della Soft Matter dove simulazioni numeriche e/o esperimenti di laboratorio possono essere utilizzati per comprendere alcuni fenomeni geofisici [4].

­­­

Traiettoria di una particella trasportata da un campo di velocità turbolento ottenuta dalla simulazione numerica del campo di velocità. I colori fanno riferimento all’accelerazione subita dalla particella (nella simulazione il massimo osservato è circa tre ordini di grandezza più intenso dell’accelerazione di gravità). Questo tipo di simulazioni è alla base dello studio del comportamento dinamico delle macromolecole all’interno di un fluido in movimento ed ha applicazioni in diversi campi di ricerca quali, ad esempio,  fisica dell’atmosfera, ingegneria industriale, medicina e biologia [5]

Fra Biologia a Fisica si inseriscono gli studi relativi al comportamento chimico-fisico delle macromolecole, allo studio delle membrane delle cellule, alla dinamica delle popolazioni e relativa evoluzione genetica, allo sviluppo di modelli di reti neurali.

La figura mostra l’evoluzione di due popolazioni di batteri (colori verde e viola). L’asse orizzontale rappresenta la posizione spaziale della popolazione e quello verticale il tempo. Questa figura è stata ottenuta da una simulazione numerica per il comportamento dei singoli batteri (simulazione ad agenti) con caratteristiche simili a quelli che costituiscono il fitoplancton marino. In questo caso la popolazione dei batteri è sottoposta a fenomeni di upwelling (linea tratteggiata) e downwelling (linea continua) molto frequenti lungo le coste marine. La popolazione rappresentata in verde è inizialmente vicina alla zona di upwelling e riceve un vantaggio selettivo rispetto a quella rappresentata in viola. Questo risultato spiega, in parte, l’effetto delle correnti marine sulla dinamica del fitoplancton. E’ bene ricordare che il fitoplancton è alla base della catena alimentare in mare e costituisce un importante elemento di equilibrio per il clima nel ciclo di formazione e assorbimento dei gas serra [6].

Nell’ambito della Soft Matter il CREF intende perseguire e quello dello sviluppo e applicazione delle simulazioni numeriche idonee a riprodurre alcuni dei fenomeni più rilevanti e possibilmente di predirne di nuovi. È bene sottolineare che alcune delle tecniche di simulazione sviluppate negli ultimi vent’anni sono state ideate e messe a punto dai gruppi di eccellenza nella ricerca scientifica che operano in Atenei e/o Istituti Italiani e in particolare nell’area romana. La collaborazione con questi gruppi di ricerca è quindi il primo passo da attuare per dare concretezza a quest’attività.

Oltre alla componente computazionale un altro settore che sta emergendo in modo significativo a livello internazionale riguarda l’applicazione, nell’ambito della Soft Matter, delle nuove tecnologie di intelligenza artificiale e in particolare della vasta classe di tecniche racchiuse sotto il nome di Machine Learning [7]. La necessità dello sviluppo e dell’applicazione di queste tecniche è motivata dal fatto che gli strumenti tradizionali dell’analisi dati (anche arricchiti dei nuovi concetti sviluppatisi dalla ricerca scientifica) non sempre sono in grado di identificare in modo quantitativo alcuni fenomeni (ad esempio il riconoscimento delle configurazioni spaziali di un sistema amorfo vicino ad un evento di crisi). In altri casi, come ad esempio il comportamento di particelle “attive” all’interno di un fluido, tecniche di Machine Learning permettono di sviluppare protocolli di apprendimento idonei a favorire funzioni particolari e di fondamentale importanza in molte applicazioni (ad esempio drug delivery). Infine, queste tecniche possono coadiuvare la possibilità di prevedere fenomeni “critici” all’interno del sistema in esame.  Lo sviluppo e l’applicazione di tecniche Machine Learning costituisce la seconda attività di ricerca del Centro Fermi nell’ambito della Soft Matter.

Data il numero e la complessità dei possibili fenomeni cui focalizzare la ricerca nei prossimi anni, è necessario, anche attraverso le collaborazioni con gli altri Atenei e Istituti di ricerca, circoscrivere un campo più specifico sui cui il CREF può produrre risultati significativi in tempi realistici. Tuttavia è importante notare che le attività di ricerca cui si intende dare corso sono un naturale terreno di trade-union all’interno del piano triennale con gli altri progetti del Centro (ad esempio Brain e Economic Complexity)  e che quindi possono essere sviluppate in modo cooperativo con le altre linee di ricerca individuate.

Pubblicazioni (selezione)

  • [1] Roberto Benzi. La Teoria del Caos (Lezioni di Fisica #10). Le iniziative del Corriere Della Sera.  RCS MediaGroup SpA 2018.
  • [2] Angelo Vulpiani. Determinismo e Caos.  Ed. Carocci. 2004
  • [3] R Benzi, M Sbragaglia, P Perlekar, M Bernaschi, S Succi, F Toschi. Direct evidence of plastic events and dynamic heterogeneities in soft-glasses. Soft Matter. 2014
  • [4] Pinaki Kumar, Evangelos Korkolis, Roberto Benzi, Dmitry Denisov, André Niemeijer, Peter Schall, Federico Toschi, Jeannot Trampert. On interevent time distributions of avalanche dynamics. Scientific Reports. Nature Pubb. 2020
  • [5] Federico Toschi, Eberhard Bodenschatz. Lagrangian properties of particles in turbulence. Annual review of fluid mechanics. 2009
  • [6] Abigail Plummer, Roberto Benzi, David R Nelson, Federico Toschi. Fixation probabilities in weakly compressible fluid flows. Proceedings of the National Academy of Sciences. 2019
  • [7] M Buzzicotti, L Biferale, F Toschi. Statistical properties of turbulence in the presence of a smart small-scale control. Phys. Rev. Lett. 2020