Uusi tapa hallita valoa nopeampia tulevaisuuden tietokoneita varten

Tiedemiehet ovat luoneet uuden tyyppisen metamateriaalin, joka voi tarjota kattavaa valonestotoimintoa fotonisessa laskennassa.

Metamateriaali on suunniteltu materiaali, jonka ominaisuudet eivät johdu sen perusaineiden kemiallisesta koostumuksesta, vaan niiden huolellisesti suunnitellusta sisäisestä rakenteesta. Tämän vuoksi nämä materiaalit voivat osoittaa epätavallisia ominaisuuksia, joita ei löydy luonnollisesti esiintyvistä materiaaleista.

Nämä materiaalit koostuvat tyypillisesti useista materiaaleista, kuten metalleista ja muoveista, ja ne on järjestetty toistuviksi, aallonpituutta pienemmiksi rakenteiksi. Muoto, koko, geometria, suuntaus ja järjestely antavat niille ominaisuudet, mikä mahdollistaa sähkömagneettisten, akustisten tai seismisten aaltojen manipuloinnin absorboimalla, taivuttamalla, vahvistamalla tai estämällä aaltoja, saavuttaen etuja, joita perinteiset materiaalit eivät tarjoa.

Uuden New Yorkin yliopiston tiedemiesten suunnittelemann metamateriaalin engineered¹ yhdistää ominaisuuksia, jotka yleensä liitetään nesteisiin ja kiteisiin, mutta ylittää molemmat kyvyssään estää saapuva valo kaikista kulmista.

Nimeltään gyromorphit, tämä uusi toiminnallisesti korreloituneiden epäjärjestyksellisten materiaalien luokka yhdistää nestemäisen satunnaisuuden suurten rakenteellisten mallien kanssa estääkseen valon kaikista suunnista. Tutkimus totesi:

“Luomme gyromorphit 2D- ja 3D-muodoissa spektraalisten optimointimenetelmien avulla, vahvistaen että ne osoittavat vahvaa diskreettiä rotaatiotilausta mutta ei pitkän kantaman translaatiotilausta, samalla säilyttäen rotaation isotropian lyhyellä etäisyydellä riittävän suurille 퐺:lle.”

Tämän innovaation avulla tutkijat ovat ratkaisseet pitkään tutkijoita häirinneet kvasi-kiteisiin perustuvien suunnitelmien rajoitteet. Se voi myös edistää fotonisen laskennan kehitystä.

Kvanttikiteistä gyromorfeihin fotonisessa laskennassa

Fotonisessa laskennassa fotoneja käytetään sähkövirtojen sijaan laskutoimitusten suorittamiseen. Tämä uusi tietokonegeräsi, kun se toteutetaan, voi olla paljon tehokkaampi ja nopeampi kuin perinteiset konventiaaliset koneet.

Kun tiedonkäsittely tapahtuu valonnopeudella, se lupaa korkean suorituskyvyn tehtäviä, kuten tekoälyä, mutta teknologia kohtaa tällä hetkellä haasteita miniaturoinnissa ja kustannuksissa.

Alan edistysaskeleet ovat johtaneet toiminnallisten fotonisten sirujen kehittämiseen, jotka integroidaan korkean suorituskyvyn laskentapalvelimiin. Mutta valolla toimiva laskenta on yhä varhaisessa vaiheessa, ja tutkijat kamppailevat hallitakseen mikroskooppisia valovirtoja sirun läpi.

Huolellisesti suunnitellut materiaalit ovat tarpeen, jotta voimme onnistuneesti ohjata nämä pienet optiset signaalit heikentämättä niiden voimakkuutta. Signaalien vahvuuden säilyttämiseksi tarvitaan erikoistunut, kevyt aine laitteistossa, joka estää hajavalon pääsyn mistä tahansa suunnasta.

Keskeinen komponentti tämän saavuttamiseksi on isotrooppisen kaistavälin materiaalin sisällyttäminen. Tämä materiaali estää valon tai muiden aaltojen etenemisen kaikissa suunnissa, kunhan taajuudet ovat sen kaistavälillä. Tällainen materiaali voi olla epäjärjestynyt mutta hyperyhtenäinen, mikä tarkoittaa, että sillä ei ole pitkän kantaman translaatiotilausta, mutta sillä on tietty, hallittu satunnaisuuden tyyppi.

Kun suunnitellaan isotrooppisia kaistavälimateriaaleja, tutkijat ovat pitkään keskittyneet kvasi-kiteisiin.

Nämä rakenteet, jotka noudattavat matemaattisia sääntöjä mutta eivät toistu kuten perinteiset kiteet, löydettiin ensimmäisen kerran tiedemiehen Dan Shechtmanin toimesta 1980-luvun alussa, mistä hän sai kemian Nobel-palkinnon vuonna 2011.

Löytö tehtiin tutkimalla alumiinia ja mangaania. Kun nämä kaksi metallia sulatettiin yhteen ja jäähdytettiin nopeasti seoksena, ne osoittivat kymmenkertaista symmetriaa elektronimikroskoopissa, ominaisuus, jota ei esiinny kiteisissä rakenteissa kuten metalleissa.

Kvasi-kiteillä on kiteisten rakenteiden, kuten timanttien, ominaisuuksia, mikä tarkoittaa, että ne ovat järjestäytyneet kuvioihin, sekä amorfisia rakenteita kuten lasi, mikä tarkoittaa, että ne eivät toistu. Niiden ainutlaatuiset ominaisuudet tekevät kvasi-kiteistä sekä kestäviä että hauraita.

Michiganin yliopiston tämän vuoden aikaisemmassa tutkimuksessa tutkijat havaitsivat, että kvasi-kiteet ovat perimmiltään vakaita materiaaleja, vaikka ne jakavat samankaltaisuutta epäjärjestyneiden kiinteiden aineiden kanssa.

“Meidän täytyy tietää, miten järjestää atomit tiettyihin rakenteisiin, jos haluamme suunnitella materiaaleja haluttujen ominaisuuksien kanssa,” totesi tutkimuksen yhteiskirjoittaja Wenhao Sun, Dow Early Career Assistant Professor of Materials Science and Engineering. “Kvasi-kiteet ovat pakottaneet meidät pohtimaan uudelleen, miten ja miksi tietyt materiaalit voivat muodostua.”

Tarjotakseen vastauksia siihen, miksi kvasi-kiteet ovat olemassa tai miten ne muodostuvat, tutkijoiden täytyi ensin ymmärtää, mikä tekee niistä vakaita. Tätä varten heidän täytyi määrittää, ovatko kvasi-kiteet entalpiasta vai entropiasta vakautettuja, joten tutkijat ottivat pienempiä nanopartikkeleja suuremmasta simuloidusta kvasi-kiteestä ja laskivat kunkin nanopartikkelin kokonaisenergiat.

Tutkijat havaitsivat, että sekä hyvin tutkittu kvasi-kite, skandiumin ja sinkin seos, että ytterbiumin ja kadmiumin seos ovat entalpiavakautettuja.

Laskentaa varten tiimi käytti kvanttimekaanisia simulaatioita kvasi-kiteistä, ja ratkaistakseen laskennan pullonkaulan, he antoivat vain viereisten prosessorien kommunikoida sen sijaan, että jokainen tietokoneprosessori kommunikoisi keskenään, mikä teki heidän algoritmistaan jopa 100 kertaa nopeamman.

“Voimme nyt simuloida lasia ja amorfisia materiaaleja, eri kiteiden välisiä rajapintoja sekä kiteiden virheitä, jotka voivat mahdollistaa kvanttitietokoneen bitejä.”

– Vikram Gavini, U-M:n professori koneinsinöörin ja materiaalitieteen ja -tekniikan alalta

Toisessa tutkimuksessa Yhdysvaltain standardi- ja teknologian instituutin (NIST) tiedemiehet löysivät kvasi-kiteitä uudesta alumiini-zirkonium-seoksesta, joka muodostui 3D-metalliprinteen äärimmäisissä olosuhteissa.

Kun zirkoniumin lisääminen alumiinijauheeseen mahdollistaa korkean lujuuden alumiiniseosten tulostamisen, NIST-tiimi halusi ymmärtää, mikä tekee tästä metallista niin vahvan, jotta sitä voitaisiin käyttää kriittisissä komponenteissa, kuten sotilaslentokoneiden osissa.

Ja he havaitsivat, että kvasi-kiteet ovat vastuussa tästä. Alumiinikiteiden säännöllisen kuvion rikkominen vahvistaa seosta. Kun tarkastellaan juuri oikeasta kulmasta, tiimi löysi “erittäin harvinaisen” viidensuuntaisen rotaatiosymmetrian, lisäksi kaksinkertaisen ja kolminkertaisen symmetrian, kahdesta eri kulmasta.

Tämä, NIST:n fyysikon ja yhteiskirjoittajan Fan Zhangin mukaan, “avaa uuden lähestymistavan seosten suunnitteluun. Tutkimus osoittaa, että \”kvasi-kiteet voivat tehdä alumiinista vahvempaa. Nyt ihmiset saattavat yrittää luoda niitä tarkoituksellisesti tulevissa seoksissa,\” hän lisäsi.

Gyromorph-revolutionin sisällä: isotrooppiset kaistavälimateriaalit

Kvasi-kiteillä on paljon potentiaalia. Ne pystyvät jopa täysin estämään valon. Mutta vain rajoitetuista suunnista. Ja vaikka ne voivat heikentää valoa kaikista suunnista, ne eivät pysty pysäyttämään sitä kokonaan.

Tämän rajoituksen voittamiseksi tiedemiehet ovat etsineet vaihtoehtoja, jotka voivat estää signaalia heikentävää valoa tehokkaammin. Tämä on johtanut gyromorphien kehittämiseen, jotka voivat auttaa rakentamaan materiaaleja, jotka estävät hajavalon pääsyn mistä tahansa suunnasta tehokkaammin. Tutkimuksen vanhemman kirjoittajan, Stefano Martinianin, joka on apulaisprofessori fysiikassa, kemiassa, matematiikassa ja neurotieteissä, mukaan:

“Gyromorphit eroavat kaikista tunnetuista rakenteista siinä, että niiden ainutlaatuinen koostumus tuottaa parempia isotrooppisia kaistavälimateriaaleja kuin nykyisillä lähestymistavoilla on mahdollista.”

Kuitenkin merkittävä este näiden materiaalien suunnittelussa, joiden ominaisuudet riippuvat niiden arkkitehtuurista, on järjestely, joka vaaditaan haluttujen fysikaalisten ominaisuuksien saavuttamiseksi.

Physical Review Letters -lehdessä julkaistussa artikkelissa New Yorkin yliopiston tutkijat kuvaavat uudenlaista strategiaa optisen käyttäytymisen hienosäätöön.

Tiimi on kehittänyt algoritmin, joka voi tuottaa toiminnallisia rakenteita sisäänrakennetulla epäjärjestyksellä. Tiimin paljastama uusi “korreloitu epäjärjestys” sijoittuu kahden ääripään väliin: täysin järjestäytynyt ja täysin satunnainen.

“Ajattele puita metsässä – ne kasvavat satunnaisissa paikoissa, mutta eivät täysin satunnaisesti, koska ne ovat yleensä tietyn etäisyyden päässä toisistaan. Tämä uusi kuvio, gyromorphit, yhdistää ominaisuuksia, joiden uskoimme olevan yhteensopimattomia, ja näyttää toiminnon, joka ylittää kaikki järjestäytyneet vaihtoehdot, mukaan lukien kvasi-kiteet.”

– Martiniani

Tutkimuksensa aikana tiimi havaitsi, että kaikki isotrooppiset kaistavälimateriaalit näyttivät saman rakenteellisen tunnusmerkin. Siksi he keskittyivät tekemään sen “mahdollisimman korostetuksi”, mikä johti gyromorphien luomiseen.

Tuloksena syntynyt uusi materiaaliluokka, pääkirjoittaja Mathias Casiulis, NYU:n fysiikan laitoksen jälkeinen tutkija, totesi: “sovittaa näennäisesti yhteensopimattomat ominaisuudet,” koska niillä ei ole kiteen kaltaista, kiinteää, toistuvaa rakennetta, mikä antaa niille nestemäisen epäjärjestyksen. Samalla, katsottuna etäältä, ne muodostavat säännöllisiä kuvioita.

“Nämä ominaisuudet toimivat yhdessä luodakseen kaistavälit, joihin valoaallot eivät pysty tunkeutumaan mistään suunnasta.”

– Casiulis

Tiimi esitteli myös “polygyromorphit”, joissa on useita rotaatiosymmetrioita eri mittakaavoissa, mahdollistaen useiden kaistavälien muodostumisen yhdessä rakenteessa, avaten näin ovet tarkkaan optisten ominaisuuksien hallintaan.
Swipe to scroll →

Tekoäly ja seuraavan sukupolven kvanttimateriaalit löydöissä

Kuten tutkijat jatkavat syvällistä tutkimusta seuraavan sukupolven materiaaleista, syntyy kokonaan uusia materiaaliluokkia.

Äskettäin Yhdysvaltain energiaministeriön Berkeley Labin johtama tutkimusryhmä raportoi “berkelokseen” -orgaanisen metallimolekyylin löytämisestä, joka sisältää synteettisen, raskaan, radioaktiivisen kemiallisen alkuaineen berkeliumin.

Molekyylit koostuvat metallin ionista, jota ympäröi hiilipohjainen runko, ja vaikka ne ovat melko yleisiä varhaisille aktiiniideille, ne ovat harvoin tunnettuja myöhemmille.

“Tämä on ensimmäinen kerta, kun on saatu todisteita berkeliumin ja hiilen välisen kemiallisen sidoksen muodostumisesta. Löytö tarjoaa uuden ymmärryksen siitä, miten berkelium ja muut aktiiniidit käyttäytyvät suhteessa niiden vertaisiin jaksollisessa järjestelmässä,” sanoi yhteiskirjoittaja Stefan Minasian, Berkeley Labin kemiallisten tieteiden osaston tiedemies, joka on työskennellyt aktiiniidien orgaanisten metalliyhdisteiden valmistamisen parissa, koska ne mahdollistavat aktiiniidien erottuvien elektronirakenteiden tarkkailun.

Aktiiniidit ovat 15 radioaktiivisen metallisen alkuaineen sarja jaksollisessa järjestelmässä, f-lohkossa. Esimerkkejä aktiiniideista ovat uraani ja plutonium. Ne tunnetaan radioaktiivisista ominaisuuksistaan ja niitä käytetään ydinreaktoreissa ja muissa teknologioissa.

Viime vuonna yhteistyö Uppsalan yliopiston (Ruotsi) ja Columbia Universityn (USA) tutkijoiden välillä johti 2D-kvanttimateriaalin nimeltä CeSiI löytämiseen, jonka kiteinen rakenne koostuu ceriumista, piistä ja jodista. Sen kiteinen rakenne muistuttaa kahdenulotteista järjestelyä erillisistä, atomipaksuisista kerroksista.

CeSilin elektronit käyttäytyvät raskaina fermioneina, joiden tehokas massa on jopa 100 kertaa suurempi kuin tavallisissa materiaaleissa. Tämä tehokas massa on anisotrooppinen; se riippuu siitä suunnasta, jossa elektronit liikkuvat atomikerroksissa.

“Tämän löydön myötä meillä on nyt merkittävästi parannettu materiaalialusta korreloitujen elektronirakenteiden tutkimiseen. 2D-materiaalit ovat kuin rakennuspaketti LEGO-palikoilla. Kumppanimme työskentelevät jo lisäämällä kerroksia muista 2D-materiaaleista luodakseen uuden materiaalin, jossa on räätälöidyt kvanttiominaisuudet.”

– Chin Shen Ong Uppsalan fysiikan ja astronomian laitokselta

Materiaalitieteessä mahdollisuuksia on lukemattomia, ja oikean materiaalin valinta on keskeinen este uusien löytöjen tekemisessä. Vaikka teoriaohjautuvat ennusteet ja kokeelliset vahvistukset auttavat valinnan informoinnissa, se on pysynyt hajanaisena.

Tässä kohtaa tekoälypohjainen materiaalitietotiede astuu kuvaan, yhdistäen kvanttiasteisen tiedon suurten tietoaineistojen kanssa nopeaan uusien materiaalien seulontaan, mallintamiseen ja optimointiin, mikä olisi mahdotonta perinteisellä kokeilu- ja erehdyspohjaisella menetelmällä.

Tohoku-universiteetin tutkijaryhmä rakensi tekoälyn avulla luodun materiaalikartan yhdistääkseen kaikki kokeelliset tiedot edustavaan ensimmäisen periaatteen laskennalliseen dataan, tavoitteena auttaa tutkijoita löytämään oikean materiaalin tiettyyn tilanteeseen.

Kartta on suuri graafi, jonka akselit kuvaavat rakenteellista samankaltaisuutta ja termoelektristä suorituskykyä (zT), ja jokainen datapiste edustaa materiaalia. Samankaltaiset materiaalit näkyvät lähellä toisiaan. Koska näitä materiaaleja yleensä syntetisoidaan ja arvioidaan samankaltaisilla menetelmillä ja laitteilla, kartta mahdollistaa kokeilijoiden nopeasti havaita tuntemattomien korkean suorituskyvyn materiaalien analogit ja käyttää olemassa olevia synteesiprotokollia seuraavina askeleina.

Tällä tavoin työkalu voi auttaa vähentämään kehityskustannuksia ja nopeuttamaan innovaatiota sekä sen todellista käyttöönottoa. Tulevaisuudessa tiimi aikoo laajentaa kehystä termoelektroista ylöspäin sisällyttääkseen topologisia ja magneettisia materiaaleja sekä lisätäksensä lisäkuvauksia luodakseen kattavan tekoälyavusteisen materiaalisuunnittelun tukialustan.

“Tarjoamalla intuitiivisen, lintuperspektiivin moniin ehdokkaisiin, kartta auttaa tutkijoita valitsemaan lupaavat kohteet yhdellä silmäyksellä; siksi sen odotetaan merkittävästi lyhentävän uusien toiminnallisten materiaalien kehitysaikataulua.”

– Yliopistotutkija Yusuke Hashimoto

Samaan aikaan Göteborgin yliopiston tutkimus kehitti tekoälymallin, joka pystyy tehokkaasti määrittämään kudotun komposiittimateriaalin vahvuuden ja kestävyyden.

Fyysisten testien ja yksityiskohtaisten tietokonesimulaatioiden suorittaminen uusien korkealaatuisten komposiittimateriaalien suunnittelemiseksi on “erityisen vaikeaa, kun komposiitti on kudottu tekstiilikuitumateriaali, jossa kuidut kietoutuvat toistensa ympärille ja käyttäytyvät eri tavoin riippuen materiaalin kohdistamista voimista,” totesi Ehsan Ghane, tohtorikoulutuksen opiskelija Göteborgin yliopiston fysiikan laitoksessa.

Vaikka tietokoneet voivat jo simuloida realistisia mikrorakenteita materiaalin vuorovaikutusten ja vaikutusten perusteella, kudotut komposiittimateriaalit vaativat edelleen merkittäviä laskentaresursseja. Neuroverkot tarjoavat vaihtoehdon, mutta ne vaativat suuria määriä koulutusdataa ja kamppailevat yleistämisen kanssa, joten tiimi kehitti yleistetyn tekoälymallin, joka ei vaadi niin paljon dataa.

Malli on koulutettu olemassa olevilla simulaatio- ja testidatalla komposiitin koostumateriaaleista, mikä mahdollistaa sen ennustaa uuden komposiitin kestävyyden.

Vaikka Göteborgin tutkimus tutki menetelmiä materiaalilakien integroimiseksi tekoälymalliin, KAISTin tutkijaryhmä on yhdistänyt fyysiset lait tekoälymalliinsa mahdollistaen uusien materiaalien nopean tutkimisen, vaikka data olisi meluista tai rajallista.

Ominaisuuksien tunnistaminen on yksi keskeisistä vaiheista uusien materiaalien kehittämisessä, mutta se vaatii valtavia määriä kokeellista dataa ja kalliita laitteita, mikä rajoittaa tutkimustehokkuutta. KAISTin tiimi ylitti tämän tarpeen integroimalla lait, jotka ohjaavat materiaalien ja energian muodonmuutosta ja vuorovaikutusta.

Tutkijat raportoivat fysiikkaan perustuvan neuroverkon (PINN) tekniikasta, jolla voidaan havaita materiaalin ominaisuuksia ja muodonmuutoskäyttäytymistä käyttäen vain pientä määrää dataa yhdestä kokeesta. He esittelivät sitten tekoälymallin, Physics-Informed Neural Operator (PINO), joka ymmärtää fysiikan lait ja voi yleistää tuntemattomiin materiaaleihin.

MIT:n tutkijat veivät sen vielä pidemmälle kehittämällä menetelmän, joka sisällyttää tietoa useista lähteistä: kirjallisuudesta, kemiallisista koostumuksista, mikrorakenteen kuvista ja muusta.

Se on osa uutta Copilot-alustaa todellisille kokeellisille tiedemiehille (CRESt). Heidän menetelmänsä käyttää robottilaitteita mahdollistamaan materiaalien massatestaus, ja syöttää tulokset takaisin suuriin multimodaalimalleihin parantaakseen niiden reseptejä.

Tutkijat käyttivät tätä “avustajaa, ei korvaajaa, ihmisille tutkijoille”, tutkiakseen yli 900 kemiallista yhdistelmää ja suorittaen 3 500 elektrokemiallista testiä, jotka johtivat katalyyttimateriaalin löytöön, joka tuotti ennätyksellisen tehopitoisuuden polttokennoissa sähkön tuottamiseksi.

Sijoittaminen materiaalitieteen edistämiseen

Materiaalitieteen maailmassa ATI Inc. (ATI ) tunnetaan teknisesti kehittyneistä erikoismateriaaleistaan ja monimutkaisista komponenteistaan. Yritys tuottaa korkean suorituskyvyn materiaaleja ilmailuun, puolustukseen, lääketieteeseen, elektroniikkaan ja energiamarkkinoille.

ATI:n tuotteet valmistetaan nikkelipohjaisista seoksista ja superseoksista, titaanista ja titaanipohjaisista seoksista sekä erikoisseoksista. Se toimii kahden segmentin kautta:

• Korkean suorituskyvyn materiaalit ja komponentit (HPMC)
• Edistyneet seokset ja ratkaisut (AA&S)

13,5 miljardin dollarin markkina-arvolla ATI:n osakkeet käyvät 99,37 dollaria, nousua 80,5 % tänä vuonna. Sen EPS (TTM) on 3,10 ja P/E (TTM) 32,09. Yritys maksaa osinkotuoton 0,32 %.