Stampa 3D e intelligenza artificiale contro l’instabilità di Richtmyer-Meshkov: i risultati del Lawrence Livermore National Laboratory e dell’Imperial College London
Che cos’è l’instabilità di Richtmyer-Meshkov e perché è un problema critico
Quando un’onda d’urto attraversa l’interfaccia tra due materiali con densità diverse — ad esempio tra un solido e un gas, o tra due solidi con proprietà distinte — le imperfezioni inevitabilmente presenti su quella superficie vengono amplificate in modo progressivo. Questo fenomeno, descritto matematicamente da Robert Richtmyer nel 1960 e confermato sperimentalmente da Evgeny Meshkov nel 1969, prende il nome di instabilità di Richtmyer-Meshkov (RMI). Il meccanismo porta alla formazione di strutture a getto — sottili filamenti di materiale accelerati ad alta velocità — che crescono e si ramificano nel tempo, mescolando i due materiali in modo incontrollato.
Nei contesti applicativi in cui il controllo preciso delle interfacce materiali è fondamentale, la RMI rappresenta uno dei problemi tecnici più difficili da gestire. In particular modo nella fusione per confinamento inerziale (ICF — Inertial Confinement Fusion), la RMI può compromettere in modo significativo le prestazioni del sistema. Negli esperimenti ICF, una capsula sferica contenente combustibile deuterio-trizio viene compressa da impulsi laser o di radiazione X fino a raggiungere densità e temperature sufficienti per innescare la fusione nucleare. Qualsiasi asimmetria nell’implosione — inclusa quella generata dalla RMI alle interfacce interne della capsula — riduce la simmetria della compressione e quindi la resa energetica dell’esperimento. Alla National Ignition Facility (NIF) del Lawrence Livermore National Laboratory, struttura che ha raggiunto l’ignizione della fusione, il controllo della RMI è considerato uno dei nodi tecnici centrali per migliorare ulteriormente le prestazioni dei target.
Il gruppo di ricerca e lo studio pubblicato su Physical Review Letters
Un team di ricercatori del Lawrence Livermore National Laboratory (LLNL), dell’Imperial College London e di altri istituti collaboratori ha pubblicato uno studio su Physical Review Letters (Volume 136, numero 14, 2026) in cui riportano la prima dimostrazione sperimentale di soppressione passiva della RMI tramite strutture ottimizzate con intelligenza artificiale e prodotte con stampa 3D.
Il primo autore dello studio è Jergus Strucka, fisico che ha condotto la ricerca durante la sua affiliazione con il gruppo di ricerca, e che è attualmente ricercatore presso l’European XFEL (European X-Ray Free-Electron Laser Facility), la struttura laser a raggi X a elettroni liberi con sede ad Amburgo. Co-autore di rilievo è Dane Sterbentz, scienziato del Lawrence Livermore National Laboratory. Il gruppo completo include anche Dylan J. Kline, Daniel A. White, Charles F. Jekel e altri ricercatori LLNL, nonché collaboratori del Colorado School of Mines e di altri istituti.
Il meccanismo fisico: come i vuoti modificano l’onda d’urto
L’idea centrale del lavoro è quella di introdurre nella struttura del bersaglio (target) una o più cavità — denominate “vuoti” (voids) — con geometria specificamente progettata, posizionate sulla traiettoria dell’onda d’urto prima che questa raggiunga l’interfaccia instabile. Quando l’impulso di pressione attraversa queste cavità, la sua forma viene modificata sia nello spazio che nel tempo: invece di una singola onda planare che colpisce la superficie in modo simultaneo, l’interazione con i vuoti frammenta l’impulso in una sequenza di onde di pressione più piccole che arrivano all’interfaccia in istanti leggermente sfalsati tra loro.
Questo sfasamento temporale modifica le condizioni iniziali della crescita dell’instabilità: i filamenti a getto tendono a formarsi quando il fronte d’onda è coerente e simultaneo su tutta la superficie. La frammentazione in impulsi multipli introduce una sorta di “contro-instabilità” che agisce in opposizione alla formazione dei jet, riducendone l’ampiezza. Come spiegato dallo stesso Sterbentz: i vuoti generano una pressione secondaria che si oppone attivamente alla formazione dei jet instabili, riducendo il fenomeno in modo misurabile senza richiedere apporti energetici esterni o modifiche attive al sistema.
Il fenomeno osservato è denominato “passive freeze-out” — blocco passivo dell’instabilità — ed era stato previsto teoricamente dal fisico Kan-Onu Mikaelian circa quarant’anni fa, senza che fosse mai stato dimostrato sperimentalmente in modo diretto. Lo studio di Strucka, Sterbentz e collaboratori costituisce la prima osservazione sperimentale di questo meccanismo.
Il ruolo dell’intelligenza artificiale nell’ottimizzazione della geometria
La progettazione della geometria ottimale dei vuoti non è un problema risolvibile con approcci analitici diretti: lo spazio dei parametri — forma, dimensioni, orientamento, posizione dei vuoti rispetto all’interfaccia — è vastissimo, e le interazioni tra le onde di pressione e le strutture solide sono governate da equazioni idrodinamiche complesse. Il team ha impiegato un algoritmo di ottimizzazione basato su machine learning per esplorare sistematicamente lo spazio delle possibili configurazioni geometriche, valutando ciascuna tramite simulazioni idrodinamiche 2D e 3D prima di procedere alla fabbricazione fisica.
Il processo iterativo ha permesso di individuare la configurazione di cavità che massimizza la soppressione della RMI, tenendo conto anche dei vincoli imposti dalla fabbricabilità. La combinazione tra ottimizzazione computazionale e stampa 3D è stata descritta dal team come essenziale: senza la manifattura additiva, le geometrie suggerite dall’algoritmo sarebbero state difficilmente o impossibilmente realizzabili con tecniche di lavorazione tradizionali.
La realizzazione sperimentale: stampa 3D su polimero e target in gelatina
Per tradurre le geometrie ottimizzate in oggetti fisici testabili in laboratorio, il team ha sviluppato una procedura di fabbricazione che integra la stampa 3D in due passaggi. In primo luogo, una stampante 3D per polimeri è stata utilizzata per produrre un negativo della struttura target — uno stampo con la forma esatta del bersaglio desiderato, incluse le cavità interne nella geometria ottimizzata. Lo stampo è stato poi riempito con gelatina, un materiale con proprietà meccaniche e densità (circa 1,03 g/cm³) simili a quelle dei tessuti biologici molli e convenientemente lavorabile in laboratorio. Dopo la solidificazione, lo stampo polimerico è stato rimosso, lasciando il target in gelatina con la geometria esatta, inclusa l’interfaccia ondulata sul lato d’uscita e i vuoti con geometria ottimizzata sul lato d’ingresso.
Il target in gelatina è stato quindi montato su una sottile lamina di rame. Per generare l’onda d’urto, è stato applicato un impulso di corrente elettrica ad alta intensità alla lamina: il rame viene vaporizzato istantaneamente, generando una pressione d’urto che si propaga attraverso il target. Il sistema di diagnostica ha catturato la propagazione dell’onda e il comportamento dell’interfaccia con una risoluzione temporale nell’ordine dei microsecondi (visibile nelle immagini pubblicate nello studio, firmate come “Strucka et al.”), permettendo un confronto diretto tra i target con e senza le cavità ottimizzate.
I risultati: riduzione misurabile della formazione di jet
Il confronto sperimentale tra i target con vuoti ottimizzati e i target di controllo senza vuoti ha mostrato una riduzione misurabile nell’ampiezza e nell’estensione dei filamenti a getto generati dalla RMI. I target con cavità di geometria progettata tramite AI hanno dimostrato un comportamento dell’interfaccia significativamente più stabile dopo il passaggio dell’onda d’urto, confermando le previsioni dei modelli computazionali. Lo studio costituisce, secondo gli autori, una delle prime dimostrazioni che strutture ottimizzate tramite intelligenza artificiale possono essere fisicamente costruite e testate in esperimenti reali con risultati coerenti con le simulazioni.
Implicazioni per la ricerca sulla fusione nucleare e applicazioni correlate
Le implicazioni più dirette di questo lavoro riguardano la progettazione dei target per esperimenti di fusione per confinamento inerziale. Alla National Ignition Facility (NIF) del Lawrence Livermore National Laboratory — dove nel 2022 è stato raggiunto per la prima volta il superamento del livello di ignizione in un esperimento ICF — la capsula target presenta diverse interfacce critiche dove la RMI può innescarsi: il tubo di riempimento del combustibile, i giunti adesivi tra strati di materiale diverso, e la superficie della capsula stessa. Strutture con vuoti ottimizzati potrebbero essere integrate in questi elementi per ridurre l’instabilità senza richiedere modifiche sostanziali al layout generale del target.
Lo stesso principio fisico — la soppressione passiva tramite cavità progettate — potrebbe trovare applicazione anche alla Omega Laser Facility del Laboratory for Laser Energetics dell’Università di Rochester, un’altra struttura di riferimento mondiale per la ricerca ICF indicata dagli stessi autori come sede idonea per esperimenti di follow-up a più alta energia, con geometria sferica analoga a quella dei target NIF reali.
Al di fuori del campo della fusione nucleare, la capacità di controllare o sopprimere la RMI ha potenziali applicazioni nella ricerca sui materiali sottoposti a shock ad alta velocità, nella progettazione di cariche sagomate (shaped charges) per applicazioni ingegneristiche e nella sicurezza industriale. Studi precedenti del gruppo LLNL, pubblicati su arXiv nel 2024 e condotti nella High Explosives Application Facility del laboratorio, avevano già mostrato che lo stesso approccio di ottimizzazione tramite ML e manifattura additiva poteva essere usato per modulare — in senso sia soppressivo che amplificativo — la formazione di jet in cariche esplosive sagomate
