Più leggero del titanio, più forte dell’alluminio: il nuovo metallo del MIT per aerei e auto

Ricercatori del Massachusetts Institute of Technology hanno sviluppato una nuova lega di alluminio compatibile con la stampa 3D, cinque volte più resistente dell’alluminio fuso con i metodi tradizionali e stabile fino a 400 gradi Celsius.

Il processo di progettazione ha combinato simulazioni computazionali e machine learning per ridurre lo spazio di ricerca da oltre un milione di combinazioni elementari a sole 40 candidature, identificando una microstruttura ad alta densità di precipitati nanometrici che conferisce alla lega proprietà meccaniche eccezionali.

Il problema dell’alluminio ad alte prestazioni

L’alluminio è uno dei materiali strutturali più utilizzati nell’industria moderna grazie alla sua bassa densità e alla buona lavorabilità. Tuttavia, la sua resistenza meccanica intrinseca è inferiore a quella di molte leghe competitive, in particolare il titanio, che domina applicazioni critiche come le pale dei motori a reazione. Il titanio è oltre il 50% più pesante dell’alluminio e può costare fino a dieci volte di più: una differenza economica e prestazionale che ha spinto per decenni la ricerca verso leghe di alluminio ad alta resistenza.

Il nodo centrale del problema risiede nella microstruttura interna del metallo. La resistenza meccanica dell’alluminio dipende in larga misura dalla dimensione e dalla densità di piccole particelle interne chiamate precipitati. Precipitati più piccoli e più fitti conferiscono maggiore durezza: è un principio consolidato della metallurgia, ma tradurlo in una lega realmente stampabile con caratteristiche ottimizzate si era rivelato finora un obiettivo sfuggente.

Il processo di fabbricazione tradizionale — la colata, che consiste nel versare alluminio fuso in uno stampo e lasciarlo raffreddare lentamente — tende a far crescere i precipitati, riducendone la densità e, di conseguenza, la resistenza finale del pezzo. Ottenere precipitati fini con la colata richiede un controllo molto preciso di composizione e temperatura, con margini di ottimizzazione limitati.

Le origini del progetto: una sfida accademica diventata ricerca d’avanguardia

Il percorso che ha portato a questa scoperta ha radici in un corso universitario. Nel 2020, Mohadeseh Taheri-Mousavi — che ha guidato la ricerca come postdoc al MIT ed è oggi professoressa assistente alla Carnegie Mellon University — seguì un corso tenuto da Greg Olson, professore di Scienza e Ingegneria dei Materiali al MIT, incentrato sull’uso di simulazioni computazionali per progettare leghe ad alte prestazioni.

Olson lanciò agli studenti una sfida precisa: sviluppare una lega di alluminio stampabile più resistente di qualsiasi esistente al tempo. I tentativi basati su simulazioni tradizionali non riuscirono a superare le leghe già disponibili. Quel risultato negativo fu però illuminante: suggerì a Taheri-Mousavi che le relazioni tra composizione elementare e proprietà finali del materiale fossero troppo non-lineari per essere catturate efficacemente dai metodi simulativi convenzionali.

«A un certo punto, ci sono molte cose che contribuiscono in modo non lineare alle proprietà di un materiale, e ci si perde», ha spiegato Taheri-Mousavi. «Con gli strumenti di machine learning, possono indicarti dove concentrarti, e dirti per esempio che questi due elementi controllano questa caratteristica. Ti permettono di esplorare lo spazio di progettazione in modo più efficiente.»

Machine learning applicato alla progettazione delle leghe

Riprendendo il progetto con un approccio diverso, Taheri-Mousavi ha applicato algoritmi di machine learning alla ricerca della composizione ottimale. Il punto di partenza era uno spazio di ricerca enorme: oltre un milione di possibili combinazioni elementari, ciascuna con potenziali effetti sulle proprietà meccaniche della lega.

I modelli di ML hanno analizzato i dati sulle proprietà degli elementi per identificare correlazioni e pattern che le simulazioni tradizionali tendono a perdere. Il risultato è stato una riduzione drastica dello spazio di ricerca: da oltre un milione di combinazioni a sole 40 candidature promettenti, tra le quali il modello ha poi individuato la formula ottimale.

La composizione identificata prevedeva un rapporto molto più elevato di precipitati piccoli rispetto a tutti i tentativi precedenti. Questa struttura si traduceva direttamente in una maggiore resistenza, superando i risultati ottenuti da qualsiasi simulazione condotta senza il supporto del machine learning. Il modello aveva essenzialmente navigato uno spazio di design vastissimo e trovato una regione di alta performance che i metodi tradizionali non erano riusciti a raggiungere.

Perché la stampa 3D è fondamentale per questo materiale

Progettare una lega con la microstruttura giusta è solo metà del problema. L’altra metà è trovare un processo di fabbricazione capace di preservare quella microstruttura durante la solidificazione. È qui che entra in gioco la stampa 3D, o più precisamente la laser bed powder fusion (LBPF).

In questo processo, strati di polvere metallica vengono selettivamente fusi da un laser e solidificano rapidamente prima che venga aggiunto il livello successivo. La velocità di raffreddamento nella LBPF è enormemente superiore a quella della colata tradizionale: il metallo passa dallo stato liquido a quello solido in tempi brevissimi, bloccando i precipitati nelle dimensioni nanometriche previste dal modello di machine learning prima che possano crescere ulteriormente.

«A volte dobbiamo pensare a come rendere un materiale compatibile con la stampa 3D», ha osservato John Hart, Class of 1922 Professor e responsabile del Dipartimento di Ingegneria Meccanica del MIT. «Qui, la stampa 3D apre una nuova porta grazie alle caratteristiche uniche del processo — in particolare, la velocità di raffreddamento. Il congelamento molto rapido della lega dopo la fusione laser crea questo insieme speciale di proprietà.»

La sinergia tra composizione ottimizzata dal ML e processo di solidificazione rapido è quindi il cuore dell’innovazione: né il solo machine learning né la sola stampa 3D sarebbero stati sufficienti a raggiungere questo risultato.

I test meccanici: cinque volte più forte, stabile a 400 gradi

Per validare le previsioni del modello, i ricercatori hanno commissionato la produzione di polvere metallica con la nuova composizione — alluminio combinato con cinque elementi aggiuntivi — e l’hanno inviata ai collaboratori dell’Università di Paderborn in Germania, che hanno stampato campioni di prova con la loro attrezzatura LBPF. I campioni sono stati poi spediti al MIT per i test meccanici e l’analisi microscopica.

I risultati hanno confermato le previsioni computazionali. La lega stampata si è rivelata cinque volte più resistente di una versione colata dello stesso materiale e 50% più resistente delle leghe di alluminio progettate con le sole simulazioni convenzionali. L’imaging microscopico ha evidenziato una popolazione densa di precipitati di piccole dimensioni, e la lega ha mantenuto stabilità strutturale fino a 400 gradi Celsius, una soglia termica inusualmente elevata per materiali a base di alluminio.

I dettagli del lavoro sono stati pubblicati sulla rivista Advanced Materials. Tra i co-autori del MIT figurano Michael Xu, Clay Houser, Shaolou Wei, James LeBeau e Greg Olson, insieme ai collaboratori Florian Hengsbach e Mirko Schaper dell’Università di Paderborn e Zhaoxuan Ge e Benjamin Glaser della Carnegie Mellon University.

Applicazioni industriali: motori, automobili, data center

Le implicazioni pratiche di una lega con queste caratteristiche sono ampie. L’applicazione più immediata e simbolicamente più significativa riguarda i motori a reazione. Le pale dei fan dei turbofan attuali sono realizzate prevalentemente in titanio o in materiali compositi avanzati. Sostituirle con componenti in alluminio ad alta resistenza stampati in 3D consentirebbe di ridurre il peso del motore, con conseguenti risparmi energetici significativi per il settore dei trasporti.

«Se possiamo usare materiali più leggeri e ad alta resistenza, questo farebbe risparmiare una quantità considerevole di energia per l’industria dei trasporti», ha dichiarato Taheri-Mousavi.

Hart ha sottolineato che il potenziale si estende ben oltre l’aviazione: «Poiché la stampa 3D può produrre geometrie complesse, risparmiare materiale e consentire design unici, vediamo questa lega stampabile come qualcosa che potrebbe essere utilizzato anche in pompe a vuoto avanzate, automobili di fascia alta e dispositivi di raffreddamento per data center.» Quest’ultima applicazione è particolarmente rilevante nel contesto attuale, in cui la crescita dell’infrastruttura per l’intelligenza artificiale ha reso il raffreddamento efficiente dei server uno dei principali problemi ingegneristici del settore.

Una metodologia replicabile oltre l’alluminio

Forse l’aspetto più rilevante a lungo termine non è la lega specifica, ma il metodo che ha permesso di trovarla. La combinazione di machine learning per la navigazione dello spazio compositivo e stampa 3D per la preservazione della microstruttura ottimale è un framework potenzialmente applicabile a qualsiasi sistema di lega metallica.

Il team sta già lavorando per applicare le stesse tecniche di machine learning al raffinamento di altre proprietà della lega, come la resistenza alla fatica e la lavorabilità. L’obiettivo dichiarato è trasformare questo approccio in uno strumento generale per la progettazione accelerata di materiali avanzati.

«La nostra metodologia apre nuove porte per chiunque voglia fare progettazione di leghe per la stampa 3D», ha concluso Taheri-Mousavi. «Il mio sogno è che un giorno i passeggeri, guardando fuori dal finestrino dell’aereo, vedano pale di motori realizzate con le nostre leghe di alluminio.»

Fonte: Massachusetts Institute of Technology – studio pubblicato su Advanced Materials, dicembre 2025.