Een nieuwe manier om licht te beheersen voor snellere computers van de toekomst

Wetenschappers hebben een nieuw type metamateriaal gecreëerd dat uitgebreide lichtblokkering functionaliteit kan bieden voor fotonische computing.

Een metamateriaal is een geengineerd materiaal waarvan de eigenschappen niet voortkomen uit de chemische samenstelling van de basiscomponenten, maar uit hun zorgvuldig ontworpen interne structuur. Als zodanig kunnen deze materialen ongebruikelijke eigenschappen vertonen die niet voorkomen in natuurlijk voorkomende materialen.

Deze materialen bestaan meestal uit meerdere materialen, zoals metalen en kunststoffen, en zijn gerangschikt in herhalende, sub-golflengte structuren. De vorm, grootte, geometrie, oriëntatie en rangschikking geven hen hun eigenschappen, waardoor ze elektromagnetische, akoestische of seismische golven kunnen manipuleren door golven te absorberen, buigen, versterken of blokkeren om voordelen te behalen die niet mogelijk zijn met conventionele materialen.

De nieuw metamateriaal ontwikkeld¹ door wetenschappers aan de New York University combineert kenmerken die doorgaans geassocieerd worden met vloeistoffen en kristallen, maar beide overstijgen in het vermogen om binnenkomend licht vanuit alle hoeken te blokkeren.

Genoemd gyromorphs, de nieuwe klasse van functioneel gecorreleerde wanordelijke materialen, combineert vloeistofachtige willekeur met grootschalige structurele patronen om licht vanuit elke richting te blokkeren. De studie stelde:

“We genereren gyromorphs in 2D en 3D door spectrale optimalisatiemethoden, waarbij we verifiëren dat ze een sterke discrete rotatieorde vertonen maar geen langbereikende translatieve orde, terwijl ze rotatie‑isotropie op korte afstand behouden voor voldoende grote 퐺.”

Met deze innovatie hebben de onderzoekers beperkingen in op quasicristallen gebaseerde ontwerpen opgelost die wetenschappers al lange tijd dwarszaten. Het kan ook helpen de vooruitgang in fotonische computing te stimuleren.

Van quasicristallen tot gyromorphs in fotonische computing

In fotonische computing worden fotonen in plaats van elektrische stromen gebruikt voor het uitvoeren van berekeningen. Deze nieuwe generatie computers, zodra gerealiseerd, kan veel efficiënter en sneller zijn dan traditionele conventionele machines.

Met gegevensverwerking op de snelheid van licht biedt het belofte voor high‑performance taken zoals AI, maar de technologie kampt momenteel met uitdagingen op het gebied van miniaturisatie en kosten.

Vooruitgang in het veld heeft geleid tot de ontwikkeling van functionele fotonische chips voor integratie in high‑performance computing servers. Maar licht‑gedreven computing bevindt zich nog in een vroeg stadium, waarbij onderzoekers worstelen met het beheersen van microscopische lichtstromen die door een chip reizen.

Voorzichtig ontworpen materialen zijn wat we nodig hebben om deze kleine optische signalen succesvol om te leiden zonder hun sterkte te verzwakken. Het sterk houden van deze signalen vereist een gespecialiseerde, lichtgewicht substantie in de hardware die voorkomt dat vreemd licht van welke richting dan ook binnenkomt.

Een cruciaal onderdeel om dit te bereiken is het opnemen van het isotrope bandgap‑materiaal. Dit materiaal blokkeert licht of andere golven die in alle richtingen willen voortplanten, zolang de frequenties binnen zijn bandgap vallen. Zo’n materiaal kan wanordelijk maar hyperuniform zijn, wat betekent dat het geen langbereikende translatieve orde heeft maar een specifiek, gecontroleerd type willekeur bezit.

Bij het ontwerpen van isotrope bandgap‑materialen hebben onderzoekers lange tijd gefocust op quasicristallen.

Deze structuren die wiskundige regels volgen maar niet herhalen zoals traditionele kristallen, werden voor het eerst ontdekt door wetenschapper Dan Shechtman begin jaren 1980, waarvoor hij in 2011 de Nobelprijs voor Scheikunde won.

De ontdekking werd gedaan tijdens onderzoek naar aluminium en mangaan. Toen de twee metalen samen werden gesmolten en snel werden afgekoeld om een legering te vormen, vertoonden ze een tienvoudige symmetrie onder een elektronenmicroscoop, een eigenschap die niet voorkomt in kristallijne structuren zoals metalen.

Quasicristallen hebben eigenschappen van kristallijne structuren, zoals diamanten, wat betekent dat ze in patronen zijn georganiseerd, evenals amorfe structuren zoals glas, wat betekent dat die patronen niet herhalen. Hun unieke eigenschappen maken quasicristallen zowel duurzaam als bros.

In een studie van de Universiteit van Michigan eerder dit jaar vonden onderzoekers dat quasicristallen fundamenteel stabiele materialen zijn, ondanks dat ze gelijkenissen vertonen met wanordelijke vaste stoffen.

“We moeten weten hoe we atomen in specifieke structuren kunnen rangschikken als we materialen met gewenste eigenschappen willen ontwerpen,” merkte de mede‑auteur van de studie, Wenhao Sun, de Dow Early Career Assistant Professor of Materials Science and Engineering, op. “Quasicristallen hebben ons gedwongen na te denken over hoe en waarom bepaalde materialen kunnen vormen.”

Om antwoorden te geven op waarom quasicristallen bestaan of hoe ze gevormd worden, moesten de onderzoekers eerst begrijpen wat hen stabiel maakt. Hiervoor moesten ze bepalen of quasicristallen enthalpie‑ of entropie‑gestabiliseerd zijn, dus namen de onderzoekers kleinere nanodeeltjes uit een groter gesimuleerd blok van quasicristal, berekenden vervolgens de totale energie in elk nanodeeltje.

De onderzoekers ontdekten dat zowel de goed onderzochte quasicristallen, een legering van scandium en zink, als een legering van ytterbium en cadmium, enthalpie‑gestabiliseerd zijn.

Voor de berekening gebruikte het team kwantum‑mechanische simulaties van quasicristallen, en om de reken‑knelpunt op te lossen, lieten ze alleen naburige processoren communiceren in plaats van elke computerprocessor met elkaar, waardoor hun algoritme tot 100 keer sneller werd.

“We kunnen nu glas en amorfe materialen, interfaces tussen verschillende kristallen, evenals kristaldefecten simuleren die kwantum‑computing bits kunnen mogelijk maken.”

– Vikram Gavini, een U‑M professor in werktuigbouwkunde en materiaalkunde en -techniek

In ander onderzoek vonden wetenschappers van het National Institute of Standards and Technology (NIST) quasicristallen in een nieuwe aluminium‑zirkonium legering, die werd gevormd onder de extreme omstandigheden van 3D metaaldrukken.

Hoewel het toevoegen van zirkonium aan aluminium poeder het mogelijk maakt om hoog‑sterke aluminium legeringen te printen, wilde het NIST‑team begrijpen wat dit metaal zo sterk maakt, zodat het kan worden gebruikt in kritieke componenten zoals militaire vliegtuigonderdelen.

En ze ontdekten dat quasicristallen daarvoor verantwoordelijk zijn. Het doorbreken van het regelmatige patroon van aluminiumkristallen versterkt de legering. Wanneer men vanuit de juiste hoek kijkt, vond het team de “zeer zeldzame” vijfvoudige rotatiesymmetrie, naast twee‑ en drie‑voudige symmetrieën, vanuit twee verschillende hoeken.

Dit, volgens NIST‑fysicus en mede‑auteur Fan Zhang, “zal een nieuwe benadering van legeringsontwerp openen. Met het onderzoek dat aantoont dat quasicristallen aluminium sterker kunnen maken, zullen mensen in de toekomst proberen ze bewust in legeringen te creëren,” voegde hij toe.

Binnen de Gyromorph Revolutie: Isotropische Bandgap Materialen

Quasicristallen hebben veel potentie. Ze hebben zelfs het vermogen om licht volledig te blokkeren. Maar alleen vanuit beperkte richtingen. En hoewel ze licht vanuit alle richtingen kunnen verzwakken, kunnen ze het niet volledig stoppen.

Om deze beperking te overwinnen, hebben wetenschappers gezocht naar alternatieven die signaal‑verzwakkend licht effectiever kunnen blokkeren. Dit heeft geleid tot de ontwikkeling van gyromorphs, die kunnen helpen materialen te bouwen die vreemd licht vanuit elke richting beter kunnen voorkomen. Volgens de senior‑auteur van de studie, Stefano Martiniani, assistent‑professor in fysica, scheikunde, wiskunde en neurale wetenschappen:

“Gyromorphs zijn anders dan elke bekende structuur, omdat hun unieke opbouw leidt tot betere isotrope bandgap‑materialen dan mogelijk is met huidige benaderingen.”

Echter, een groot obstakel bij het ontwerpen van deze materialen, waarvan de eigenschappen afhangen van hun architectuur, is de rangschikking die nodig is om de gewenste fysieke eigenschappen te bereiken.

Gepubliceerd in Physical Review Letters, beschrijven de New York University‑onderzoekers een nieuwe strategie om het optische gedrag af te stemmen.

Het team heeft een algoritme ontwikkeld dat functionele structuren met ingebouwde wanorde kan produceren. De nieuwe vorm van “gecorreleerde wanorde” die door het team wordt onthuld, bevindt zich tussen de twee uitersten: volledig geordend en volledig willekeurig.

“Denk aan bomen in een bos – ze groeien op willekeurige posities, maar niet volledig willekeurig omdat ze meestal een bepaalde afstand van elkaar hebben. Dit nieuwe patroon, gyromorphs, combineert eigenschappen waarvan we dachten dat ze onverenigbaar waren en vertoont een functie die alle geordende alternatieven, inclusief quasicristallen, overtreft.”

– Martiniani

Tijdens hun onderzoek merkte het team op dat alle isotrope bandgap‑materialen dezelfde structurele handtekening vertoonden. Dus richtten ze zich op het “zo uitgesproken mogelijk” maken, wat leidde tot de creatie van gyromorphs.

De resulterende nieuwe klasse van materialen, hoofd‑auteur Mathias Casiulis, een post‑doctorale onderzoeker in NYU’s Department of Physics, stelde: “verzoenen schijnbaar onverenigbare kenmerken,” omdat ze geen kristal‑achtige, vaste, herhalende structuur hebben, wat hen een vloeistof‑achtige wanorde geeft. Tegelijkertijd vormen ze, van een afstand bekeken, regelmatige patronen.

“Deze eigenschappen werken samen om bandgaps te creëren die lichtgolven vanuit elke richting niet kunnen doordringen.”

– Casiulis 

Het team introduceerde ook “polygyromorphs” met meerdere rotatiesymmetrieën op verschillende lengteschalen om de vorming van meerdere bandgaps in één structuur mogelijk te maken, waardoor de deur wordt geopend naar fijne controle over optische eigenschappen.
Veeg om te scrollen →

AI en volgende-generatie kwantummaterialen in ontdekking

Terwijl onderzoekers dieper duiken in volgende‑generatie materialen, ontstaan volledig nieuwe klassen van materialen.

Recent meldde een onderzoeksteam onder leiding van het Department of Energy’s Berkeley Lab de ontdekking van “berkelocene,” een organometaal molecuul dat het synthetische, zware, radioactieve chemische element berkelium bevat.

De moleculen bestaan uit een metaalion omgeven door een koolstof‑gebaseerd raamwerk, en hoewel ze relatief gebruikelijk zijn voor vroege actiniden, zijn ze zelden bekend voor latere.

“Dit is de eerste keer dat bewijs is verkregen voor de vorming van een chemische binding tussen berkelium en koolstof. De ontdekking biedt nieuw inzicht in hoe berkelium en andere actiniden zich gedragen ten opzichte van hun leeftijdsgenoten in het periodiek systeem,” zei mede‑auteur Stefan Minasian, een wetenschapper in de Chemical Sciences Division van Berkeley Lab, die werkt aan het bereiden van organometaalverbindingen van actiniden zodat ze de onderscheidende elektronische structuren van actiniden kunnen observeren.

Actiniden vormen een reeks van 15 radioactieve metalen elementen in het periodiek systeem, gelegen in het f‑blok. Uranium en plutonium zijn voorbeelden van actiniden. Ze staan bekend om hun radioactieve eigenschappen en worden gebruikt in kernreactoren en andere technologieën.

Vorig jaar leidde een samenwerking tussen onderzoekers van de Uppsala Universiteit, Zweden, en Columbia University, VS, tot de ontdekking van een 2D kwantummateriaal genaamd CeSiI, met een kristalstructuur van cerium, silicium en jodium. De kristalstructuur lijkt op een tweedimensionale rangschikking van verschillende, atomaire dunne lagen.

De elektronen van CeSiI gedragen zich als zware fermionen, met een effectieve massa tot 100 keer groter dan in gewone materialen. Deze effectieve massa is anisotroop; dus hangt het af van de richting waarin de elektronen zich in de atomaire lagen bewegen.

“Met deze ontdekking hebben we nu een aanzienlijk verbeterd materiaalplatform voor het onderzoeken van gecorreleerde elektronenstructuren. 2D‑materialen zijn als een bouwpakket met LEGO‑stukken. Onze partners werken al aan het toevoegen van lagen van andere 2D‑materialen om een nieuw materiaal te creëren met aangepaste kwantumeigenschappen.”

– Chin Shen Ong van de Department of Physics and Astronomy aan de Uppsala

In de materiaalkunde zijn er talloze mogelijkheden, en het kiezen van het juiste materiaal is een belangrijke hindernis voor het doen van nieuwe ontdekkingen. Terwijl theorie‑gedreven voorspellingen en experimentele validaties helpen bij de selectie, is het tot nu toe gefragmenteerd gebleven.

Dit is waar AI‑gedreven materiaalinformatica het overneemt, door kwantumschaal‑inzichten te integreren met grote datasets om snel nieuwe materialen te screenen, modelleren en optimaliseren die onontdekt zouden blijven via conventionele trial‑and‑error methoden.

Een team van onderzoekers aan de Tohoku University bouwde een AI‑gebouwde materiaalkaart om alle experimentele data te verenigen met representatieve first‑principles reken‑data, met als doel onderzoekers te helpen het juiste materiaal voor een gegeven situatie te vinden.

De kaart is een grote graaf met assen voor structurele gelijkenis en thermoelectrische prestaties (zT), waarbij elk datapunt een materiaal vertegenwoordigt. Gelijkaardige materialen verschijnen hier dicht bij elkaar. Omdat deze materialen meestal worden gesynthetiseerd en geëvalueerd met vergelijkbare methoden en apparaten, stelt de kaart experimenteel werkers in staat snel analogen van onbekende high‑performance materialen te spotten en bestaande synthese‑protocollen te hergebruiken als volgende stappen.

Op deze manier kan het hulpmiddel helpen de ontwikkelingskosten te verlagen en innovatie en de real‑world implementatie te versnellen. In de toekomst wil het team hun raamwerk uitbreiden buiten thermoelectrics om topologische en magnetische materialen op te nemen en extra descriptors te integreren om een uitgebreid, AI‑ondersteund materiaalkundig ontwerpsplatform te creëren.

“Door een intuïtief overzicht over veel kandidaten te bieden, helpt de kaart onderzoekers om veelbelovende doelen in één oogopslag te selecteren; daarom wordt verwacht dat het de ontwikkeltijd voor nieuwe functionele materialen aanzienlijk zal verkorten.”

– Associate Professor Yusuke Hashimoto

Tegelijkertijd ontwikkelde een studie van de Universiteit van Göteborg een AI‑model om efficiënt de sterkte en duurzaamheid van geweven composietmaterialen te bepalen.

Het uitvoeren van fysieke tests en gedetailleerde computersimulaties om nieuwe hoogwaardige composietmaterialen te ontwerpen, is “bijzonder moeilijk wanneer het composiet wordt gecreëerd als een geweven textielvezelmateriaal, waarbij de vezels om elkaar heen gewikkeld zijn en zich verschillend gedragen afhankelijk van de krachten waaraan het materiaal wordt blootgesteld,” merkte Ehsan Ghane, een Ph.D. student aan de Department of Physics van de Universiteit van Göteborg, op.

Hoewel computers al realistische microstructuren kunnen simuleren op basis van de interacties en invloeden van een materiaal, vereisen geweven composietmaterialen nog steeds aanzienlijke reken‑bronnen. Neurale netwerken bieden een alternatief, maar ze hebben grote hoeveelheden trainingsdata nodig en hebben moeite met extrapolatie, waardoor het team een gegeneraliseerd AI‑model ontwikkelde dat niet zoveel data nodig heeft.

Het model is getraind op bestaande simulatie‑ en testdata voor de componenten van het composiet, waardoor het de duurzaamheid van het nieuwe composiet kan voorspellen.

Terwijl de Göteborg‑studie methoden onderzocht om materiaallaws in het AI‑model te integreren, heeft een team van onderzoekers van KAIST fysieke wetten gecombineerd met hun AI‑model om snelle verkenning van nieuwe materialen mogelijk te maken, zelfs wanneer data ruisig of beperkt is.

Eigenschap‑identificatie is een van de sleutelstappen in de ontwikkeling van nieuwe materialen, maar het vereist enorme hoeveelheden experimentele data en dure apparatuur, wat de onderzoeksefficiëntie beperkt. Het KAIST‑team overwon die behoefte door de wetten die de vervorming en interactie van materialen en energie regelen te integreren.

De onderzoekers rapporteerden een physics‑informed neural network (PINN) techniek om materiaaleigenschappen en vervormingsgedrag te detecteren met slechts een kleine hoeveelheid data van één experiment. Ze introduceerden vervolgens een AI‑model, de Physics‑Informed Neural Operator (PINO), dat de natuurwetten begrijpt en kan generaliseren naar ongeziene materialen.

MIT‑onderzoekers gingen nog een stap verder door een methode te ontwikkelen die informatie uit meerdere bronnen integreert: literatuur, chemische samenstellingen, microstructurele beelden en meer.

Het maakt deel uit van het nieuwe Copilot‑platform voor Real‑world Experimental Scientists (CRESt). Hun methode gebruikt robotica om high‑throughput testing van materialen mogelijk te maken, waarna de resultaten teruggevoerd worden naar grote multimodale modellen om hun recepten te verbeteren.

De onderzoekers gebruikten dit “assistent, niet een vervanging, voor menselijke onderzoekers,” om meer dan 900 chemische systemen te verkennen en 3.500 elektrochemische tests uit te voeren die leidden tot de ontdekking van een katalysatormateriaal dat een record‑vermogen‑dichtheid leverde in een brandstofcel om elektriciteit op te wekken.

Investeren in de vooruitgang van materiaalkunde

In de wereld van de materiaalkunde is ATI Inc. (ATI ) bekend om zijn technisch geavanceerde specialistische materialen en complexe componenten. Het bedrijf produceert high‑performance materialen voor de lucht‑ en ruimtevaart, defensie, medische, elektronische en energiemarkten.

ATI’s producten zijn gemaakt van nikkel‑gebaseerde legeringen en superlegeringen, titanium en titanium‑gebaseerde legeringen, en specialistische legeringen. Het opereert via twee segmenten:

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

Met een marktkapitalisatie van $13,5 billion, worden ATI‑aandelen verhandeld tegen $99,37, een stijging van 80,5 % dit jaar. Het heeft een EPS (TTM) van 3,10 en een P/E (TTM) van 32,09. Het bedrijf betaalt een dividendrendement van 0,32 %.