Il fisico e liutaio cileno Sebastian Gonzales (postdoc) e il mandolinista professionista Davide Salvi (dottorando), ricercatori presso il Musical Acoustic Lab del Dipartimento di Elettronica, Informazione e Bioingegneria, hanno pubblicato su Nature Scientific Reports insieme al Prof. Augusto Sarti e al Prof. Fabio Antonacci lo studio “A Data-Driven Approach to Violinmaking”, che mostra come una rete neurale molto semplice sia in grado di predire il comportamento vibratorio delle tavole di violino a partire da un numero limitato di parametri geometrici e meccanici della tavola stessa.
La ricerca mostra come intelligenza artificiale, simulazione fisica e artigianato possano unirsi per far luce sull'arte della liuteria. La capacità di prevedere come suona un violino con una determinata forma può essere un punto di svolta per i liutai poiché li aiuterà non solo a fare meglio dei ‘grandi maestri’, ma anche a esplorare il potenziale di nuovi design e materiali.
I violini sono oggetti estremamente complessi, e la loro geometria è definita dalla forma esterna e dalla curvatura lungo le direzioni verticali e orizzontali della tavola e del fondo. L’ispirazione di questo studio è venuta da un disegno storico che fa parte della collezione del Museo del Violino di Cremona. In particolare è stato sviluppato un modello che di-segna la forma esterna come la congiunzione di archi di nove circonferenze. Grazie a questo e ad un modello efficiente della curvatura basato sul violino Messia di Stradivari, i ricercatori sono stati in grado di disegnare una tavola di violino con soli 35 parametri.
Variando in modo casuale questi parametri, quali per esempio raggio, posizione del centro delle circonferenze, bombatura, spessore e caratteristiche meccaniche del legno, si è costruito al calcolatore un dataset di violini che comprende forme di violini storici così come forme mai usate nella liuteria. Queste forme di tavole costituiscono l’input della rete neurale. Sono quindi stati usati strumenti avanzati di modellazione vibratoria per determinare il comportamento acustico di ogni violino nel dataset.
Il passo successivo è stato quello di capire se una semplice rete neurale sia in grado di predire il comportamento acustico a partire dai parametri della tavola. La risposta è stata positiva, ben oltre le aspettative, con un'accuratezza vicina al 98%.
Leggi l’articolo: https://www.nature.com/articles/s41598-021-88931-z