Dalla scienza dei materiali alla fisica dei neutroni, il software nato in Svizzera fra PSI ed EMPA semplifica simulazioni, dati e didattica avanzata

La trasformazione digitale della ricerca

non passa soltanto da supercomputer più potenti, sensori più rapidi o algoritmi di intelligenza artificiale più sofisticati. Una parte decisiva del cambiamento riguarda l’infrastruttura ordinaria del lavoro scientifico: come si configurano le simulazioni, come si tracciano i passaggi intermedi, come si rende riproducibile un risultato, come si consente a ricercatori non specialisti di usare strumenti computazionali complessi senza diventare amministratori di sistemi.

È in questo spazio, spesso invisibile ma strategico, che si colloca AiiDAlab, piattaforma software sviluppata in Svizzera da un team guidato dall’Istituto Paul Scherrer PSI e dall’EMPA. Nata per rendere più accessibili le simulazioni al computer nella ricerca sui materiali, l’interfaccia è ora al centro di un ampliamento di campo documentato in un articolo scientifico pubblicato su “Digital Discovery”, rivista della Royal Society of Chemistry. Le applicazioni citate spaziano dalle scienze dell’atmosfera alla caratterizzazione delle batterie, dall’analisi di esperimenti neutronici presso la sorgente SINQ fino alla formazione universitaria.

Il punto non è soltanto rendere più gradevole una procedura tecnica. AiiDAlab traduce in un ambiente grafico accessibile via browser una catena di operazioni che in passato richiedeva solide competenze informatiche: preparazione dell’ambiente di calcolo, configurazione dei codici, gestione dei dati, invio dei job a risorse remote, analisi e visualizzazione dei risultati. In un settore nel quale l’automazione dei processi è ormai essenziale, la differenza fra un software potente e un’infrastruttura davvero utilizzabile dipende sempre più dalla capacità di ridurre attriti, errori manuali e barriere d’ingresso.

A monte di AiiDAlab c’è AiiDA, sviluppato a partire dal 2014 e concepito come sistema di gestione dei workflow scientifici. Edan Bainglass, ricercatore post-doc nel gruppo di Giovanni Pizzi al PSI, ne ha sintetizzato così la funzione:

“AiiDA è in primo luogo un sistema di gestione dei flussi di lavoro. Ciò significa che questo software dispensa i ricercatori da un’attività che porta via molto tempo, ovvero quella di avviare manualmente svariati programmi di simulazione, coordinarli tra loro e leggere i dati che ne risultano”.

Il passaggio successivo consiste nel portare questa logica dentro una piattaforma più vicina all’esperienza d’uso comune. AiiDAlab è infatti un ambiente web basato su Jupyter, alimentato dall’infrastruttura computazionale di AiiDA e costruito per offrire applicazioni leggere, installabili e configurabili con pochi clic. La sua rilevanza industriale e scientifica sta nel rapporto fra automazione, tracciabilità e riproducibilità: tre condizioni ormai centrali per una ricerca che produce quantità crescenti di dati e deve renderli verificabili, riutilizzabili e interoperabili.

Dal terminale al browser, la ricerca riduce l’attrito operativo

Per molti laboratori, la modellazione computazionale è diventata un’infrastruttura di base. Nel paper pubblicato su Digital Discovery, gli autori ricordano che il calcolo scientifico è spesso definito il “terzo pilastro della scienza”, accanto a teoria ed esperimento. Ma l’aumento della potenza computazionale non elimina automaticamente la complessità: al contrario, workflow più articolati richiedono coordinamento fra codici diversi, ambienti software, risorse HPC, database, parser, parametri e metadati.

AiiDA affronta questa complessità con un’architettura estensibile a plugin, il provenance tracking automatico di input, output, logica di workflow e metadati di esecuzione, e un’esecuzione ad alto rendimento con checkpointing e gestione degli errori. In pratica, la piattaforma consente di seguire a ritroso il percorso che ha prodotto un determinato risultato, riducendo il rischio che una simulazione resti una sequenza opaca di comandi, file intermedi e scelte non documentate.

AiiDAlab aggiunge a questa base un livello di interazione più immediato. Giovanni Pizzi, che guida un gruppo di ricerca presso il PSI Center for Scientific Computing, Theory and Data e ha avuto un ruolo di primo piano nello sviluppo di AiiDA e AiiDAlab, descrive così l’obiettivo del progetto:

“Il nostro progetto, riguardo ad AiiDAlab, è pertanto riassumibile così: creare un’interfaccia più user-friendly per questo software piuttosto complesso, in modo che gli utenti possano concentrarsi completamente sulla loro ricerca, pervenendo così a nuove conoscenze in modo più rapido”.

La formulazione è significativa perché sposta l’innovazione dal solo piano della prestazione computazionale a quello dell’esperienza operativa del ricercatore. Un laboratorio può disporre di buoni algoritmi e di calcolo avanzato, ma se l’accesso a tali strumenti richiede un livello eccessivo di specializzazione, l’adozione resta limitata. AiiDAlab risponde a questo problema trasformando workflow sofisticati in applicazioni verticali, pensate per compiti specifici: dalla simulazione di proprietà elettroniche alla gestione di dati sperimentali.

Il modello è rilevante anche per l’industria scientifica e per i centri di ricerca applicata. In settori come materiali, batterie, chimica computazionale e tecnologie ambientali, il tempo non viene speso soltanto nell’interpretazione dei risultati, ma anche nella preparazione, nel controllo e nella ripetizione di procedure. Automatizzare questi passaggi non significa sostituire il giudizio scientifico, bensì liberarlo da una parte del lavoro ripetitivo e rendere più affidabile la catena di produzione della conoscenza.

Batterie, atmosfera e neutroni ampliano il perimetro d’uso

Il primo campo di applicazione di AiiDAlab è stato la scienza computazionale dei materiali, dove i ricercatori studiano materiali con proprietà mirate attraverso molteplici simulazioni numeriche. La novità descritta dal PSI e dal paper RSC è l’estensione del modello a domini diversi, nei quali la piattaforma non funziona soltanto come interfaccia per simulazioni, ma anche come ambiente per collegare strumenti sperimentali, dati e analisi.

Nel caso delle scienze dell’atmosfera, l’EMPA utilizza simulazioni controllate da AiiDAlab per trarre deduzioni sulle emissioni di gas serra a partire da misurazioni atmosferiche. È un esempio interessante perché collega software di workflow, dati ambientali e modelli fisici in un contesto nel quale la qualità della tracciabilità è cruciale. Quando l’analisi riguarda emissioni, inventari o dinamiche atmosferiche, poter ricostruire parametri, input e passaggi di calcolo non è soltanto una questione tecnica, ma anche un requisito di credibilità scientifica.

Un secondo caso riguarda le batterie. Il paper descrive l’integrazione con Aurora, piattaforma robotica sviluppata dall’EMPA con Chemspeed Technologies per assemblaggio e cycling di celle. Nella sperimentazione ad alto rendimento, le combinazioni possibili fra anodo, catodo, elettroliti, additivi, densità di corrente, temperature e intervalli di tensione generano una complessità difficilmente gestibile con procedure manuali. Secondo l’articolo scientifico, Aurora può operare su batch fino a 36 celle e dispone di oltre 1.500 canali potenziostatici, mentre l’app AiiDAlab collegata consente di impostare protocolli, monitorare processi e archiviare risultati con metadati ricchi.

Il terzo ambito è quello delle grandi infrastrutture di ricerca. Presso il PSI, AiiDAlab supporta l’esperimento di diffrazione neutronica CAMEA, operativo alla sorgente svizzera di neutroni di spallazione SINQ. Qui il problema non è soltanto eseguire analisi avanzate, ma permettere a ricercatori ospiti di accedere in modo sicuro e tempestivo ai dati generati durante campagne sperimentali limitate nel tempo. In molte beamline, la finestra di misura è breve e la possibilità di analizzare i dati quasi in tempo reale può orientare le decisioni durante l’esperimento.

La soluzione descritta dal PSI include autenticazione, orchestrazione del trasferimento dei dati e visualizzazione dei risultati. Bainglass riassume l’esperienza utente con una formula molto concreta:

“Gli utenti devono semplicemente aprire un browser ed effettuare il login ad AiiDAlab”.

Dietro questa apparente semplicità c’è un’architettura articolata: ambienti containerizzati, integrazione con JupyterHub, controllo degli accessi, montaggio in sola lettura delle cartelle autorizzate e collegamento con il Digital User Office del PSI per verificare le proposte sperimentali associate agli account. È qui che l’innovazione software incontra la governance dei dati: non basta rendere più facile l’analisi, bisogna farlo rispettando sicurezza, autorizzazioni e responsabilità istituzionali.

Open source e FAIR data diventano leva di sistema

AiiDAlab non è un prodotto chiuso, ma un ecosistema open source sviluppato come raccolta di repository interoperabili. Questa scelta è coerente con una tendenza più ampia della ricerca internazionale: costruire infrastrutture software riutilizzabili, documentate e adattabili da comunità diverse. Il sito ufficiale AiiDAlab lo presenta come ambiente web per AiiDA, capace di eseguire workflow robusti attraverso applicazioni leggere direttamente nel browser, installabili e distribuibili tramite un registro di app.

La dimensione open source non riguarda soltanto l’accesso al codice. Nel contesto scientifico, essa incide sulla possibilità di verificare processi, riprodurre analisi e trasferire competenze fra istituzioni. Il paper parla esplicitamente di integrazione con Electronic Laboratory Notebooks e gestione dei dati conforme ai principi FAIR, cioè dati findable, accessible, interoperable e reusable. In italiano: rintracciabili, accessibili, interoperabili e riutilizzabili.

Il tema è cruciale perché molte organizzazioni scientifiche stanno vivendo una transizione simile a quella già osservata in altri settori industriali: passare da strumenti locali e procedure individuali a piattaforme condivise, capaci di standardizzare parti del processo senza appiattire la libertà di ricerca. In questo senso, AiiDAlab non è soltanto una GUI, ma un tentativo di rendere scalabile la conoscenza operativa che spesso resta confinata nei singoli gruppi di laboratorio.

Il valore della piattaforma emerge anche dalle testimonianze raccolte nel contesto AiiDA. Carlo A. Pignedoli, Deputy Group Leader Atomistic Simulations presso il laboratorio nanotech@surfaces dell’EMPA, ha sottolineato l’impatto operativo dello strumento sui workflow quotidiani:

“AiiDA e AiiDAlab hanno ridotto considerevolmente il tempo umano speso nei workflow computazionali di routine nel nostro laboratorio. Dottorandi sperimentali e post-doc inviano ora workflow basati su Quantum ESPRESSO attraverso AiiDAlab per calcolare le proprietà elettroniche dei nanonastri di grafene, e monitorano o visualizzano i risultati di workflow più avanzati inviati dai colleghi computazionali”.

La dichiarazione chiarisce un aspetto spesso sottovalutato: l’innovazione non consiste soltanto nel creare nuovi codici di simulazione, ma nel rendere operativa la collaborazione fra sperimentali e computazionali. Quando un ricercatore di laboratorio può usare strumenti avanzati senza gestire direttamente ogni dettaglio tecnico, la separazione fra misura fisica e modellazione numerica diventa meno rigida.

La didattica mostra l’impatto sulle competenze future

Un altro fronte rilevante è la formazione. Secondo il PSI, AiiDAlab è stato sperimentato in corsi universitari e workshop brevi, consentendo anche a studenti senza conoscenze pregresse di usare software di ricerca avanzati come Quantum ESPRESSO. Il paper cita una scuola di breve durata organizzata al PSI nell’aprile 2025 sulle simulazioni di struttura elettronica per comunità di utenti di grandi infrastrutture. L’evento si è svolto in formato ibrido, con circa il 35 per cento dei partecipanti in presenza e il 65 per cento da remoto; circa il 40 per cento erano studenti di master o dottorato e il 60 per cento ricercatori più senior, inclusi post-doc, tenure-track scientist e professori.

Un dato particolarmente indicativo riguarda la competenza iniziale: oltre il 60 per cento dei partecipanti aveva poca o nessuna esperienza precedente con simulazioni DFT. Nonostante questo, grazie all’ambiente AiiDAlab, i partecipanti hanno potuto lanciare simulazioni di primi principi con pochi passaggi, senza installare AiiDA, configurare comunicazioni HPC o compilare eseguibili di Quantum ESPRESSO. Il feedback medio riportato è stato pari a 8,5 punti su 10.

Per i centri di ricerca, questa dimensione didattica ha una ricaduta strategica. Formare nuovi scienziati a strumenti che incorporano fin dall’inizio automazione, provenance tracking e riproducibilità significa modificare le pratiche di laboratorio prima che diventino abitudini difficili da cambiare. La cultura FAIR non viene così presentata come obbligo burocratico a posteriori, ma come parte naturale del modo in cui si costruisce un esperimento computazionale o si analizza un dato.

Le prospettive future indicate da Pizzi vanno nella direzione di un’ulteriore estensione all’interno del PSI, comprese altre linee della sorgente SINQ, come ICON, impianto di imaging a neutroni freddi utilizzato per diagnostica non distruttiva:

“In futuro vogliamo ampliare ulteriormente il campo di applicazione di AiiDAlab, all’interno dell’Istituto Paul Scherrer PSI, estendendolo ad esempio ad altre linee di fascio della sorgente svizzera di neutroni di spallazione SINQ, come ICON, dove i neutroni vengono utilizzati per l’imaging diagnostico non distruttivo”.

La traiettoria è coerente con la natura del PSI, che sviluppa, costruisce e gestisce grandi infrastrutture di ricerca per la comunità nazionale e internazionale. L’istituto conta circa 2.300 persone e un budget annuale di circa 450 milioni di franchi svizzeri, secondo i dati aggiornati al giugno 2025. In un’organizzazione di questa scala, il software che collega utenti, dati, strumenti e workflow non è più una componente accessoria: diventa infrastruttura abilitante.

La vicenda di AiiDAlab mostra dunque un cambio di scenario nella ricerca avanzata. L’innovazione non è confinata al sensore, al materiale o al modello fisico, ma riguarda anche l’interfaccia fra esseri umani, macchine e dati. Se la piattaforma saprà consolidare la propria comunità e mantenere interoperabilità, sicurezza e apertura, potrà diventare un modello per altri progetti di software scientifico: meno attenzione all’eroismo tecnico del singolo utente, più capacità di trasformare procedure complesse in workflow condivisi, verificabili e realmente utilizzabili.

La presentazione di Aliaksandr (“Sasha”) Yakutovich dello AiiDAlab

La presentazione dello AiiDA al laboratorio nanotech@surfaces

La presentazione di AiiDAlab per varie simulazioni accessibili

EMPA, EAWAG, WSL e PSI: gli istituti di ricerca della Svizzera

Ecco tre approfondimenti che potrebbero interessarti:

GEMS, il software che accelera i tempi della geochimica
A Sophia Antipolis il nuovo software center di Ampere
Un software per misurare l’impatto ambientale del formaggio