En ny måde at kontrollere lys på for hurtigere fremtidige computere

Forskere har skabt en ny type metamateriale, der kan tilbyde omfattende lysblokerende funktionalitet til fotonisk computing.

Et metamateriale er et konstrueret materiale hvis egenskaber ikke stammer fra den kemiske sammensætning af dets grundkomponenter, men fra deres omhyggeligt designede interne struktur. Som sådan kan disse materialer udvise usædvanlige egenskaber, som ikke findes i naturligt forekommende materialer.

Disse materialer er typisk sammensat af flere materialer, såsom metaller og plast, og arrangeret i gentagne, sub‑bølgelængde strukturer. Form, størrelse, geometri, orientering og arrangement giver dem deres egenskaber, så de kan manipulere elektromagnetiske, akustiske eller seismiske bølger ved at absorbere, bøje, forstærke eller blokere bølger for at opnå fordele, som ikke er mulige med konventionelle materialer.

The new metamaterial engineered¹ af forskere ved New York University kombinerer funktioner, der typisk er forbundet med væsker og krystaller, men overgår begge i sin evne til at blokere indkommende lys fra alle vinkler.

Kaldet gyromorpher, den nye klasse af funktionelt korrelerede uordnede materialer kombinerer væske‑lignende tilfældighed med strukturelle mønstre i stor skala for at blokere lys fra alle retninger. Undersøgelsen udtalte:

“Vi genererer gyromorpher i 2D og 3D ved spektrale optimeringsmetoder, og bekræfter, at de viser stærk diskret rotationsorden men ingen langtrækkende translational orden, mens de bevarer rotationsisotropi på kort afstand for tilstrækkeligt stor 퐺.”

Med denne innovation har forskerne løst begrænsninger i kvasi‑krystal‑baserede design, som længe har generet forskere. Det kan også hjælpe med at fremme fremskridt inden for fotonisk computing.

Fra kvasi‑krystaller til gyromorpher i fotonisk computing

I fotonisk computing bruges fotoner i stedet for elektriske strømme til at udføre beregninger. Denne nye generation af computere, når den realiseres, kan være langt mere effektiv og hurtigere end traditionelle konventionelle maskiner.

Med databehandling med lysets hastighed lover det højt ydende opgaver som AI, men teknologien står i øjeblikket over for udfordringer med miniaturisering og omkostninger.

Fremskridt på området har ført til udviklingen af funktionelle fotoniske chips til integration i højtydende computer‑servere. Men lysdrevet computing er stadig i en tidlig fase, hvor forskere kæmper med at kontrollere mikroskopiske lysstrømme, der bevæger sig gennem en chip.

Omhyggeligt designede materialer er det, vi har brug for for succesfuldt at omdirigere disse små optiske signaler uden at svække deres styrke. At holde disse signaler stærke kræver et specialiseret, letvægtsstof i hardwaren, som forhindrer spildlys i at komme ind fra enhver retning.

Nødvendig komponent for at opnå dette er indarbejdelsen af det isotrope båndgabsmateriale. Dette materiale blokerer lys eller andre bølger fra at propagere i alle retninger, så længe frekvenserne ligger inden for dets båndgab. Sådant materiale kan være uordnet men hyperuniformt, hvilket betyder, at det mangler langtrækkende translational orden, men har en specifik, kontrolleret form for tilfældighed.

Når man designer isotrope båndgabsmaterialer, har forskerne langt fokuseret på kvasi‑krystaller.

Disse strukturer, der følger matematiske regler men ikke gentager sig som traditionelle krystaller, blev først opdaget af videnskabsmanden Dan Shechtman i begyndelsen af 1980’erne, hvilket gav ham Nobelprisen i kemi i 2011.

Opdagelsen blev gjort under forskning i aluminium og mangan. Da de to metaller blev smeltet sammen og hurtigt afkølet for at danne en legering, udviste de ti‑fold symmetri under et elektronstrålemikroskop, en egenskab der ikke forekommer i krystallinske strukturer som metaller.

Kvasi‑krystaller har egenskaber fra krystallinske strukturer, som diamanter, hvilket betyder at de er organiseret i mønstre, samt amorfe strukturer som glas, hvilket betyder at disse mønstre ikke gentager sig. Deres unikke egenskaber gør kvasi‑krystaller både holdbare og skrøbelige.

I en undersøgelse fra University of Michigan tidligere i år fandt forskerne, at kvasi‑krystaller er fundamentalt stabile materialer² på trods af ligheder med uordnede faste stoffer.

“Vi skal vide, hvordan vi arrangerer atomer i specifikke strukturer, hvis vi vil designe materialer med ønskede egenskaber,” bemærkede studiets medforfatter, Wenhao Sun, Dow Early Career Assistant Professor i Materialevidenskab og Ingeniørvidenskab. “Kvasi‑krystaller har tvunget os til at genoverveje hvordan og hvorfor visse materialer kan dannes.”

For at give svar på hvorfor kvasi‑krystaller eksisterer eller hvordan de dannes, måtte forskerne først forstå, hvad der gør dem stabile. Til dette måtte de bestemme, om kvasi‑krystaller er entalpi‑ eller entropi‑stabiliserede, så forskerne tog mindre nanopartikler fra en større simuleret blok af kvasi‑krystal og beregnede den samlede energi i hver nanopartikel.

Forskerne opdagede, at både de velundersøgte kvasi‑krystaller, en legering af scandium og zink, og en legering af ytterbium og cadmium, er entalpi‑stabiliserede.

Til beregningen anvendte holdet kvantemekaniske simuleringer af kvasi‑krystaller, og for at løse computerflaskehalsen fik de kun de tilstødende processorer til at kommunikere i stedet for hver computerprocessor, hvilket gjorde deres algoritme op til 100 gange hurtigere.

“Vi kan nu simulere glas og amorfe materialer, grænseflader mellem forskellige krystaller samt krystalldefekter, der kan muliggøre kvante‑computing‑bits.”

– Vikram Gavini, en U‑M professor i maskinteknik og materialvidenskab og ingeniørkunst

I en anden forskning fandt forskerne fra National Institute of Standards and Technology (NIST) kvasi‑krystaller i en ny aluminium‑zirconium legering³, som blev dannet under de ekstreme betingelser ved 3D metalprint.

Mens tilsætning af zirconium til aluminiumspulver muliggør udskrivning af højstyrke aluminiumlegeringer, ønskede NIST‑holdet at forstå, hvad der gør dette metal så stærkt, så det kan bruges i kritiske komponenter som militære flydele.

Og de fandt, at kvasi‑krystaller er ansvarlige for dette. At bryde det regelmæssige mønster af aluminiumskrystaller styrker legeringen. Når man ser fra den helt rigtige vinkel, fandt holdet den “meget sjældne” femfold rotationssymmetri, ud over to‑ og trefoldsymmetrier fra to forskellige vinkler.

Dette, ifølge NIST‑fysiker og medforfatter Fan Zhang, “vil åbne en ny tilgang til legeringsdesign. Med forskningen, der viser at kvasi‑krystaller kan gøre aluminium stærkere. Nu kan folk forsøge at skabe dem bevidst i fremtidige legeringer,” tilføjede han.

Inde i Gyromorph-revolutionen: Isotrope båndgabsmaterialer

Kvasi‑krystaller har stort potentiale. De har endda evnen til fuldstændigt at blokere lys. Men kun fra begrænsede retninger. Og selvom de kan svække lys fra alle retninger, kan de ikke stoppe det helt.

For at overvinde denne begrænsning har forskerne søgt efter alternativer, der kan blokere signal‑nedbrydende lys mere effektivt. Dette har ført til udviklingen af gyromorpher, som kan hjælpe med at bygge materialer, der forhindrer spildlys i at komme ind fra enhver retning mere effektivt. Ifølge studiets seniorforfatter, Stefano Martiniani, som er assisterende professor i fysik, kemi, matematik og neuralscience:

“Gyromorpher er unikke i forhold til kendte strukturer, da deres unikke sammensætning giver bedre isotrope båndgabsmaterialer end hvad der er muligt med nuværende tilgange.”

Dog er en stor hindring i konstruktionen af disse materialer, hvis egenskaber afhænger af deres arkitektur, den nødvendige arrangement for at opnå de ønskede fysiske egenskaber.

Udgivet i Physical Review Letters beskriver NYU‑forskerne en ny strategi⁴ til at finjustere den optiske adfærd.

Holdet har udviklet en algoritme, der kan producere funktionelle strukturer med indbygget uorden. Den nye form for “korreleret uorden”, som holdet afslørede, ligger mellem de to ekstreme: fuldt ordnet og fuldstændig tilfældig.

“Tænk på træer i en skov – de vokser på tilfældige positioner, men ikke helt tilfældigt, fordi de normalt er en vis afstand fra hinanden. Dette nye mønster, gyromorpher, kombinerer egenskaber, som vi troede var uforenelige, og viser en funktion, der overgår alle ordnede alternativer, inklusive kvasi‑krystaller.”

– Martiniani

Under deres forskning observerede holdet, at alle isotrope båndgabsmaterialer viste den samme strukturelle signatur. Så de fokuserede på at gøre den “så udtalt som muligt,” hvilket førte til oprettelsen af gyromorpher.

Den resulterende nye klasse af materialer, hovedforfatter Mathias Casiulis, postdoc i NYU’s fysikafdeling, udtalte, “forene tilsyneladende uforenelige egenskaber,” fordi de ikke har en krystal‑lignende, fast, gentagende struktur, hvilket giver dem en væske‑lignende uorden. Samtidig danner de regelmæssige mønstre, når man ser dem på afstand.

“Disse egenskaber arbejder sammen for at skabe båndgab, som lysbølger ikke kan trænge igennem fra nogen retning.”

– Casiulis 

Holdet introducerede også “polygyromorpher” med flere rotationssymmetrier på forskellige længdeskalaer for at muliggøre dannelsen af flere båndgab i en enkelt struktur, hvilket åbner døren til fin kontrol over optiske egenskaber.
Swipe to scroll →

AI og næste‑generations kvantematerialer i opdagelse

Efterhånden som forskere fortsætter med at dykke dybere ind i næste‑generations materialer, dukker helt nye klasser af materialer op.

For nylig rapporterede et forskningsteam ledet af Department of Energy’s Berkeley Lab opdagelsen⁵ af “berkelocene,” et organometallisk molekyle, der indeholder det syntetiske, tunge, radioaktive kemiske grundstof berkelium.

Molekylerne består af en metalion omgivet af en carbon‑baseret ramme, og mens de er relativt almindelige for tidlige actinider, er de sjældent kendte for de senere.

“Dette er første gang, at bevis for dannelsen af en kemisk binding mellem berkelium og carbon er opnået. Opdagelsen giver ny forståelse af, hvordan berkelium og andre actinider opfører sig i forhold til deres jævnaldrende i det periodiske system,” sagde medforfatter Stefan Minasian, videnskabsmand i Berkeley Labs Chemical Sciences Division, som har arbejdet med at forberede actinidernes organometalliske forbindelser, da de gør det muligt at observere actinidernes særskilte elektroniske strukturer.

Actinider er en serie af 15 radioaktive metaliske grundstoffer i det periodiske system, placeret i f‑blokken. Uran og plutonium er eksempler på actinider. De er kendt for deres radioaktive egenskaber og bruges i atomreaktorer og andre teknologier.

Sidste år førte et partnerskab mellem forskere fra Uppsala Universitet, Sverige, og Columbia University, USA, til opdagelsen af et 2D kvantemateriale kaldet CeSiI⁶, med en krystalstruktur af cerium, silicium og jod. Dens krystalstruktur ligner en todimensionel opbygning af forskellige, atom‑tynde lag.

Elektronerne i CeSiI opfører sig som tunge fermioner med en effektiv masse op til 100 gange større end i almindelige materialer. Denne effektive masse er anisotropisk; den afhænger derfor af den retning, hvori elektronerne bevæger sig i de atomære lag.

“Med denne opdagelse har vi nu en betydeligt forbedret materialplatform til at undersøge korrelerede elektronstrukturer. 2D‑materialer er som et byggesæt med LEGO‑klodser. Vores partnere arbejder allerede på at tilføje lag fra andre 2D‑materialer for at skabe et nyt materiale med tilpassede kvanteegenskaber.”

– Chin Shen Ong fra afdelingen for fysik og astronomi ved Uppsala

I materialvidenskab er der utallige muligheder, og udvælgelse af det rette materiale er en central hindring for at gøre nye opdagelser. Mens teoridrevne forudsigelser og eksperimentelle bekræftelser hjælper med at informere udvælgelsen, har den forblevet fragmenteret.

Dette er, hvor AI‑drevet materialinformatik overtager, ved at integrere kvante‑skala indsigter med store datasæt for hurtigt at screene, modellere og optimere nye materialer, som ville være umulige at opdage gennem konventionel trial‑and‑error.

Et team af forskere ved Tohoku University byggede et AI‑bygget materialkort⁷ for at forene al eksperimentel data med repræsentativ første‑princip‑beregningsdata, med det formål at hjælpe forskere med at finde det rette materiale til en given situation.

Kortet er en stor graf med akser for strukturel lighed og termoelektrisk ydeevne (zT), hvor hvert datapunkt repræsenterer et materiale. Lignende materialer her vises i tæt nærhed. Da disse materialer typisk syntetiseres og evalueres ved brug af lignende metoder og enheder, gør kortet det muligt for eksperimentelle forskere hurtigt at spotte analogier til ukendte høj‑ydeevne materialer og genbruge eksisterende syntese‑protokoller som næste skridt.

På denne måde kan værktøjet hjælpe med at reducere udviklingsomkostninger og accelerere innovation og dets implementering i den virkelige verden. I fremtiden planlægger holdet at udvide deres rammeværk ud over termoelektrik til at inkludere topologiske og magnetiske materialer og at indarbejde yderligere beskrivelser for at skabe en omfattende, AI‑assisteret materialdesign‑støtteplatform.

“Ved at give et intuitivt fugleperspektiv over mange kandidater hjælper kortet forskere med at vælge lovende mål på et øjeblik; derfor forventes det at forkorte udviklingstidslinjer for nye funktionelle materialer væsentligt.”

– Associate Professor Yusuke Hashimoto

I mellemtiden udviklede en undersøgelse fra University of Gothenburg en AI‑model til effektivt at bestemme styrken og holdbarheden⁸ af vævede kompositmaterialer.

Udførelse af fysiske tests og detaljerede computersimuleringer for at designe nye højkvalitets kompositmaterialer er “især svært, når kompositten er lavet som et vævet tekstilfibermateriale, hvor fibrene er viklet omkring hinanden og opfører sig forskelligt afhængigt af de kræfter, materialet udsættes for,” bemærkede Ehsan Ghane, Ph.D.-studerende ved afdelingen for fysik ved University of Gothenburg.

Selvom computere allerede kan simulere realistiske mikrostrukturer baseret på et materiales interaktioner og påvirkninger, kræver vævede kompositmaterialer stadig betydelige beregningsressourcer. Neurale netværk tilbyder et alternativ, men de kræver store mængder træningsdata og har svært ved at ekstrapolere, så holdet udviklede en generel AI‑model, der ikke kræver så mange data.

Modellen er blevet trænet på eksisterende simulerings‑ og testdata for kompositens bestanddele, hvilket gør den i stand til at forudsige holdbarheden af den nye komposit.

Mens Gothenburg‑studiet undersøgte metoder til at integrere materialelove i AI‑modellen, har et team af forskere fra KAIST kombineret fysiske love med deres AI‑model for at muliggøre hurtig udforskning af nye materialer, selv når data er støjende eller begrænsede.

Identifikation af egenskaber er et af de vigtigste skridt i udviklingen af nye materialer, men det kræver enorme mængder eksperimentelle data og dyrt udstyr, hvilket begrænser forskningseffektiviteten. KAIST‑holdet overvandt dette behov ved at integrere lovene, der styrer deformation og interaktion af materialer og energi.

Forskerne rapporterede en fysik‑informeret neuralt netværk (PINN) teknik⁹ til at opdage materialegenskaber og deformationsadfærd ved kun at bruge en lille mængde data fra et enkelt eksperiment. De introducerede derefter en AI‑model, Physics‑Informed Neural Operator (PINO), som forstår fysikkens love og kan generalisere til usete materialer.

MIT‑forskerne gik endnu længere ved at udvikle en metode, der inkorporerer information fra flere kilder¹⁰: litteratur, kemiske sammensætninger, mikrostrukturbilleder og mere.

Det er en del af den nye Copilot‑platform for Real‑world Experimental Scientists (CRESt). Deres metode bruger robotudstyr til at muliggøre høj‑gennemløbstestning af materialer, hvorefter resultaterne føres tilbage i store multimodale modeller for at forbedre deres opskrifter.

Forskerne brugte dette “assistent, ikke erstatning, for menneskelige forskere,” til at udforske over 900 kemikalier og udføre 3.500 elektrokemiske tests, som førte til opdagelsen af et katalysatormateriale, der leverede rekordhøj effekt‑densitet i en brændselscelle til at generere elektricitet.

Investering i materialvidenskabens fremskridt

I materialvidenskabens verden er ATI Inc. (ATI ) kendt for sine teknisk avancerede specialmaterialer og komplekse komponenter. Virksomheden producerer højtydende materialer til luftfart, forsvar, medicin, elektronik og energimarkeder.

ATI’s produkter er fremstillet af nikkel‑baserede legeringer og superlegeringer, titanium og titanium‑baserede legeringer samt speciallegeringer. Det opererer gennem to segmenter:

• High Performance Materials & Components (HPMC)
• Advanced Alloys & Solutions (AA&S)

Med en markedsværdi på 13,5 milliarder dollars handles ATI-aktier til $99,37, op 80,5 % i år. Den har en EPS (TTM) på 3,10 og en P/E (TTM) på 32,09. Virksomheden betaler en udbytteafkast på 0,32 %.