Parma, 14 luglio 2026 – Un nuovo studio dell'Università di Parma, pubblicato sulla prestigiosa rivista scientifica Nature Communications, apre nuove prospettive per lo sviluppo di processi chimici più sicuri, sostenibili ed efficienti. La ricerca dimostra come l'integrazione tra intelligenza artificiale e meccanochimica possa contribuire a ripensare alcune delle trasformazioni più utilizzate nella sintesi organica, rendendole più semplici da realizzare e maggiormente applicabili.
La pubblicazione su Nature Communications testimonia la rilevanza scientifica del risultato e contribuisce a valorizzare il ruolo dell’Università di Parma nel panorama internazionale della ricerca chimica innovativa.Il lavoro è stato coordinato, per la parte chimica, da Luca Capaldo del Dipartimento di Scienze Chimiche, della Vita e della Sostenibilità Ambientale e per la parte di machine learning da Andrea Prati del Dipartimento di Ingegneria e Architettura. Gli esperimenti meccanicistici al sincrotrone sono stati condotti da Paolo P. Mazzeo, del Dipartimento di Scienze Chimiche, della Vita e della Sostenibilità Ambientale.
Al centro dello studio è la reazione di Johnson-Corey-Chaykovsky, ampiamente impiegata per ottenere ciclopropani ed epossidi, molecole utilizzate nella produzione di composti bioattivi, materiali funzionali e intermedi di interesse farmaceutico.
Questa trasformazione viene tradizionalmente effettuata con procedure sviluppate diversi decenni fa, efficaci ma caratterizzate da importanti criticità sotto il profilo della sicurezza e della sostenibilità. Per superare questi limiti, il gruppo di ricerca ha combinato due approcci innovativi: l'ottimizzazione bayesiana, una tecnica di machine learning capace di individuare rapidamente le condizioni sperimentali più efficaci, e la meccanochimica, che sfrutta l'energia meccanica per promuovere le reazioni chimiche riducendo o eliminando l'impiego di solventi.
L'approccio sviluppato ha permesso di mettere a punto un nuovo protocollo di sintesi privo di solventi, basato sull'utilizzo di idrossido di potassio, un reagente economico, facilmente disponibile e più sicuro rispetto a quelli impiegati tradizionalmente. Il metodo si è dimostrato efficace anche in condizioni "blande" (mild conditions) e senza la necessità di un'atmosfera rigorosamente inerte, risultando così particolarmente promettente anche in termini di semplicità operativa e potenziale trasferibilità.
La metodologia è stata inoltre validata su un'ampia gamma di substrati, consentendo la preparazione di numerosi ciclopropani ed epossidi, e ha mostrato buone potenzialità di scalabilità, requisito fondamentale per un futuro trasferimento dei risultati dalla ricerca al mondo produttivo.
Lo studio ha anche permesso di approfondire il meccanismo della reazione grazie a esperimenti di diffrazione di raggi X da polveri risolti nel tempo, effettuati durante il processo meccanochimico. Le analisi, realizzate mediante esperimenti al laser, hanno evidenziato il ruolo cruciale della macinazione attiva nel promuovere la trasformazione chimica, fornendo informazioni preziose sul funzionamento della reazione in condizioni solvent-free.
Nel complesso, il lavoro dimostra come l’integrazione tra intelligenza artificiale, automazione sperimentale e tecnologie sostenibili possa accelerare lo sviluppo di processi chimici più sicuri e compatibili con le esigenze dell’industria moderna. Lo studio rappresenta quindi un contributo significativo alla chimica sostenibile e conferma il ruolo crescente della meccanochimica e del machine learning nella chimica del futuro.
