Gli Spettri Raman del Solfato di Calcio Biidrato (Gesso) dalle Prime Misure all'Uso dell'Intelligenza Artificiale

Esploriamo come l’Intelligenza Artificiale risulti importante per l'evoluzione della spettroscopia Raman nell'analisi mineralogica. Il caso di studio che affrontiamo è il gesso (CaSO4⋅2H2O), con enfasi sull'acqua di cristallizzazione. Il gesso è stato (1945) tra i primi minerali studiati con la spettroscopia Raman, con una tecnica pionieristica ma sofisticata sviluppata da Franco Rasetti. Oggi abbiamo a disposizione sorgenti laser, reticoli di diffrazione e dispositivi CCD e CMOS per la registrazione degli spettri e software vari per la loro analisi. Inoltre, database come RRUFF, ad esempio, possono fornirci spettri di riferimento per l’analisi ed il confronto tra materiali. Oltre all’evidente sviluppo tecnologico, noi vogliamo ora evidenziare il ruolo trasformativo dell'Intelligenza Artificiale (AI), come il più recente pilastro che possiamo aggiungere al ponte tecnologico che parte dalle prime misure ed arriva ai dati recenti disponibili liberamente in RRUFF. Questo pilastro consente analisi e confronto avanzati dei dati. La capacità dell'AI di discriminare sottili differenze viene illustrata attraverso un confronto dettagliato tra gli spettri Raman del gesso e della bassanite (CaSO4⋅0.5H2O), un emidrato strettamente correlato, con un focus sulle distintive firme vibrazionali. Analizzando la parte dello spettro relativa all’acqua di cristallizzazione, si è evidenziato come per la valutazione dei picchi sia necessaria applicare una deconvoluzione. L’approccio che mostriamo, basato per semplicità su componenti Gaussiane, dimostra l’assoluta capacità di Gemini di affrontare la deconvoluzione e fornire il programma Python relativo. Questo dimostra che una AI addestrata su spettri Raman è in grado di affrontare la loro deconvoluzione, e quindi diventare autonoma nell’analisi e comparazione di spettri da database massivi.