Dal Biochar alla Terra Fertile: Un'Architettura di Intelligenza Artificiale per la Bonifica di Suoli Marziani e Lunari
Abstract
Il presente studio estende l'applicazione del biochar oltre i confini terrestri, analizzandone il potenziale ruolo come ammendante e agente di bonifica per le future colonie su Marte e Luna. La caratterizzazione spettrale del biochar in tali contesti è tuttavia ostacolata dalla forte interferenza dei minerali locali, quali ossidi di ferro marziani e silicati lunari. Per superare queste limitazioni, viene proposto un metodo innovativo basato sulla generazione di pseudo-spettri Raman. A differenza degli approcci tradizionali, la matrice carboniosa è qui modellata attraverso le q-Gaussiane (Sparavigna, 2023), le quali, basandosi sulla statistica di Tsallis, permettono una descrizione fisicamente rigorosa delle bande D e G, catturandone accuratamente le code spettrali (ali). Questi pseudo-spettri vengono poi "contaminati" sinteticamente con le firme mineralogiche derivate dai database NASA PDS e RRUFF, includendo perclorati, ematite e pirosseni. Il dataset così generato funge da base per l'addestramento di un autoencoder denso, istruito tramite una weighted loss function a isolare il segnale del biochar dal rumore minerale. I risultati dimostrano come l'integrazione di fisica statistica e machine learning permetta di trasformare il biochar in un sensore passivo intelligente, capace di monitorare la propria saturazione e integrità strutturale in ambienti planetari ostili.