fbpx Nuovi elementi da fantascienza (o quasi) | Science in the net

Nuovi elementi da fantascienza (o quasi)

Primary tabs

Tempo di lettura: 3 mins

La teoria della periodicità delle proprietà chimiche e la classificazione degli elementi, sviluppata principalmente dal russo Dmitry I. Mendeleev (1834–1907) e dal tedesco Lothar Meyer (1830-1895), rappresenta una conquista fondamentale della chimica moderna.  La tavola che la rappresenta graficamente, detta “tavola periodica”, successivamente integrata e modificata ma sostanzialmente fedele all’impianto originario, è diventata non solo un’icona della disciplina ma anche un mezzo di orientamento indispensabile per chi si addentra nel complesso mondo della chimica.  La sua fortuna deriva dalla capacità di sintetizzare le proprietà chimiche degli elementi attraverso la collocazione dei loro simboli in una griglia facilmente memorizzabile.

Aggiunti quattro elementi alla tavola

La tavola è in continua evoluzione perché dalla prima stesura, risalente al 1869, sono stati scoperti molti nuovi elementi. L’ultima versione è di pochi giorni fa ed è stata pubblicata dalla IUPAC (Unione Internazionale di Chimica Pura ed Applicata). Il 28 Novembre scorso il  Consiglio di questo importante organismo sovranazionale che si occupa, tra l’altro, di nomenclatura chimica, terminologia, metodi standardizzati di misurazione, pesi atomici ed altro, ha deciso quali nomi assegnare ad alcuni elementi scoperti di recente, includendoli poi nella tavola periodica. In realtà si tratta di una “raccomandazione” ma è evidente che nessuno si sognerebbe di utilizzare nomi diversi. La fase istruttoria era stata condotta dalla Divisione di Chimica Inorganica IUPAC, che aveva valutato le proposte degli scopritori e le aveva sottoposte all’esame del pubblico per ben cinque mesi. Gli elementi ancora privi di nome ufficiale erano quattro, scoperti fra il 2002 e il 2012. In ordine di numero atomico i nomi scelti sono stati: Nihonium, Moscovium, Tennessine  e Oganesson. I rispettivi simboli e numeri atomici sono: Nh (113), Mc (115), Ts (117) e Og (118). Dovremo abituarci ad usarli anche se non tutti sono facili da ricordare e forse non suonano troppo bene alle nostre orecchie. In Italia li chiameremo: Nihonio, Moscovio, Tennessinio e Oganessio.

Modello atomico di Bohr del Nihonio

La procedura per giungere alla proclamazione ufficiale dei nomi è stata abbastanza laboriosa e affatto arbitraria, dovendo sottostare al preciso regolamento che la IUPAC si è data al riguardo. Innanzitutto, com’è logico, la proposta spettava agli scopritori. Questi, secondo tradizione, potevano scegliere fra concetti e personaggi della mitologia, minerali, luoghi geografici, proprietà chimiche e nomi di scienziati. Anche la scelta desinenza doveva collocarsi tra “-ium”, “-ine” e “-on”, a seconda del gruppo della tavola in cui andavano inseriti. Su questa base, l’elemento 113, scoperto in Giappone, ha assunto il nome Nihonium, da Nihon, che significa “Terra del Sol Levante”. Gli elementi 115 e 117 riconoscono con i nomi Moscovium e Tennessine, proposti congiuntamente da russi e americani, il contributo di importanti centri di ricerca della Russia (Dubna) e degli USA (in particolare Oak Ridge – regione Tennessee) alle scoperte da parte dei rispettivi Paesi. Anche il nome Oganesson è stato proposto congiuntamente da russi e americani per onorare il fisico Yuri Oganessian (1933) e i suoi contributi pionieristici agli studi sugli elementi transattinidi.

Quattro elementi artificiali e instabili

I nuovi elementi inclusi nella carta sono artificiali, quindi non presenti in natura, benché non si possa escluderne la presenza nello spazio.  Sono stati “fabbricati” con macchine complesse e molto costose, come gli acceleratori di particelle e sono molto instabili. Il Nihonio, ad esempio, ha un tempo di dimezzamento di circa 20 secondi e decade a Roentgenio-282 emettendo particelle alfa. Si pensi che l’Oganessio ha addirittura un tempo di dimezzamento di circa 0,89 millisecondi.

Di questi due elementi, finora, ne sono stati prodotti pochi atomi, di quelli di Moscovio pare che se ne possa produrre solo uno a settimana.  Al di fuori della ricerca pura e delle nuove informazioni che possono arrecare alla conoscenza del nucleo atomico, è impossibile dimostrare che i nuovi elementi abbiano una qualche utilità pratica. Naturalmente non si può escludere nulla ma per ora solo la fantascienza ha creato elementi dotati di caratteristiche talmente eccezionali da sfuggire perfino alla scienza più evoluta del Pianeta.


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.