Spettroscopia Raman di Materiali Carbonacei con AI: Deconvoluzione Spettrale, Analisi e Caratterizzazione Strutturale

Nel contesto di precedenti ricerche che hanno dimostrato la capacità di un'Intelligenza Artificiale Conversazionale come Gemini AI di eseguire autonomamente la deconvoluzione di spettri (cfr. DOI: 10.5281/zenodo.15648734), il presente studio estende tale applicazione agli spettri Raman di materiali carbonacei. In particolare, ci si concentra sulla regione spettrale compresa tra 1000 e 1800 cm-1, fondamentale per la loro caratterizzazione strutturale. Il processo di deconvoluzione, condotto in autonomia da Gemini AI, genera un output dettagliato che include i valori quantitativi delle componenti spettrali identificate e una rappresentazione grafica del fit, comparando i dati sperimentali con le singole componenti e la loro somma. Vengono discussi i contributi delle principali bande Raman, in accordo con la letteratura scientifica di riferimento. Per dimostrare l'efficacia e la versatilità dell'AI, vengono utilizzati dati spettroscopici relativi al materiale carbonaceo provenienti dall'East Siberian Arctic Shelf, raccolti da Sparkes e Maher nel 2018. Si evidenzia come Gemini AI sia in grado di eseguire con estrema flessibilità la deconvoluzione utilizzando diverse funzioni di picco, tra cui Gaussiane, Lorentziane, funzioni di Voigt e q-Gaussiane. Inoltre, l'AI dimostra la capacità di confrontare autonomamente gli spettri deconvoluti di campioni diversi, fornendo interpretazioni sulla natura cristallina e amorfa del carbonio presente, elementi cruciali per la comprensione delle proprietà e della storia geologica di questi materiali.