En ny måte å kontrollere lys på for raskere fremtidige datamaskiner

Forskere har laget en ny type metamateriale som kan tilby omfattende lysblokkering for fotonisk databehandling.

Et metamateriale er et konstruert materiale hvis egenskaper ikke stammer fra den kjemiske sammensetningen av basisbestanddelene, men fra deres nøye designede interne struktur. Som sådan kan disse materialene vise uvanlige egenskaper som ikke finnes i naturlig forekommende materialer.

Disse materialene er vanligvis sammensatt av flere materialer, som metaller og plast, og arrangert i repeterende, sub-bølgelengde strukturer. Form, størrelse, geometri, orientering og oppsett gir dem deres egenskaper, og gjør dem i stand til å manipulere elektromagnetiske, akustiske eller seismiske bølger ved å absorbere, bøye, forsterke eller blokkere bølger for å oppnå fordeler som ikke er mulig med konvensjonelle materialer.

Den nye metamaterialet utviklet¹ av forskere ved New York University kombinerer egenskaper som vanligvis er forbundet med væsker og krystaller, men overgår begge i sin evne til å blokkere innkommende lys fra alle vinkler.

Navngitt gyromorfer, den nye klassen av funksjonelt korrelerte uordnede materialer kombinerer væske-lignende tilfeldighet med strukturelle mønstre i stor skala for å blokkere lys fra alle retninger. Studien uttalte:

“Vi genererer gyromorfer i 2D og 3D ved hjelp av spektrale optimaliseringsmetoder, og bekrefter at de viser sterk diskret rotasjonsorden, men ingen langdistanse translasjonsorden, samtidig som de opprettholder rotasjonsisotropi på kort avstand for tilstrekkelig stor 퐺.” 

Med denne innovasjonen har forskerne løst begrensningene i kvasi-krystallbaserte design som lenge har plaget forskere. Det kan også bidra til å drive fremgang i fotonisk databehandling.

Fra kvasi-krystaller til gyromorfer i fotonisk databehandling

I fotonisk databehandling brukes fotoner i stedet for elektriske strømmer til å utføre beregninger. Denne nye generasjonen av datamaskiner, når den er realisert, kan være langt mer effektiv og raskere enn tradisjonelle konvensjonelle maskiner.

Med databehandling i lysets hastighet har den potensial for høyytelsesoppgaver som AI, men teknologien står for tiden overfor utfordringer med miniaturisering og kostnad.

Fremskritt innen feltet har ført til utviklingen av funksjonelle fotoniske chips for integrering i høyytelses databehandlingsservere. Men lysdrevet databehandling er fortsatt i en tidlig fase, med forskere som sliter med å kontrollere mikroskopiske lysstrømmer som beveger seg gjennom en chip.

Omhyggelig designede materialer er det vi trenger for å omdirigere disse små optiske signalene uten å svekke deres styrke. Å holde disse signalene sterke krever et spesialisert, lett materiale i maskinvaren som hindrer spredt lys fra å komme inn fra hvilken som helst retning.

En avgjørende komponent for å oppnå dette er å innlemme det isotrope båndgapmaterialet. Dette materialet blokkerer lys eller andre bølger fra å propagere i alle retninger, så lenge frekvensene er innenfor dets båndgap. Et slikt materiale kan være uordnet, men hyperuniformt, noe som betyr at det mangler langdistanse translasjonsorden, men har en spesifikk, kontrollert type tilfeldighet.

Når man utvikler isotrope båndgapmaterialer, har forskere langt fokusert på kvasi-krystaller.

Disse strukturene som følger matematiske regler, men som ikke gjentar seg som tradisjonelle krystaller, ble først oppdaget av forsker Dan Shechtman på begynnelsen av 1980-tallet, for hvilket han vant Nobelprisen i kjemi i 2011.

Oppdagelsen ble gjort mens man forsket på aluminium og mangan. Da de to metallene ble smeltet sammen og raskt avkjølt for å danne en legering, viste de tifold symmetri under et elektronmikroskop, en egenskap som ikke forekommer i krystallinske strukturer som metaller.

Kvasi-krystaller har egenskaper fra krystallinske strukturer, som diamanter, noe som betyr at de er organisert i mønstre, samt amorfe strukturer som glass, som betyr at disse mønstrene ikke gjentar seg. Deres unike egenskaper gjør kvasi-krystaller både holdbare og sprø.

I en studie fra University of Michigan tidligere i år, fant forskere at kvasi-krystaller er fundamentalt stabile materialer² til tross for likhet med uordnede faste stoffer.

“Vi må vite hvordan vi kan arrangere atomer i spesifikke strukturer hvis vi vil designe materialer med ønskede egenskaper,” bemerket studiens medforfatter, Wenhao Sun, Dow Early Career Assistant Professor i materialvitenskap og -ingeniørfag. “Kvasi-krystaller har tvunget oss til å revurdere hvordan og hvorfor visse materialer kan dannes.”

For å gi svar på hvorfor kvasi-krystaller eksisterer eller hvordan de dannes, måtte forskerne først forstå hva som gjør dem stabile. For dette måtte de bestemme om kvasi-krystaller er entalpi- eller entropistabiliserte, så forskerne tok mindre nanopartikler fra en større simulert blokk av kvasi-krystall, og beregnet den totale energien i hver nanopartikel.

Forskerne oppdaget at både de velutforskede kvasi-krystallene, en legering av scandium og sink, og en legering av ytterbium og kadmium, er entalpi-stabiliserte.

For beregningen brukte teamet kvantemekaniske simuleringer av kvasi-krystaller, og for å løse dataknekken, fikk de kun de tilstøtende prosessorene til å kommunisere i stedet for at hver datamaskinprosessor kommuniserte med hverandre, noe som gjorde algoritmen deres opptil 100 ganger raskere.

“Vi kan nå simulere glass og amorfe materialer, grensesnitt mellom ulike krystaller, samt krystallfeil som kan muliggjøre kvanteberegningsbiter.”

– Vikram Gavini, en U-M professor i maskinteknikk og materialvitenskap og ingeniørfag

I en annen forskning, fant forskere ved National Institute of Standards and Technology (NIST) kvasi-krystaller i en ny aluminium-zirkonium legering³, som ble dannet under de ekstreme forholdene ved 3D metallutskrift.

Mens tilsetning av zirkonium til aluminiumpulver gjør det mulig å skrive ut høystyrke aluminiumlegeringer, ønsket NIST-teamet å forstå hva som gjør dette metallet så sterkt, slik at det kan brukes i kritiske komponenter som militære flydeler.

Og de fant at kvasi-krystaller er ansvarlige for dette. Å bryte opp det regelmessige mønsteret av aluminiumkrystaller styrker legeringen. Når man ser fra akkurat riktig vinkel, fant teamet den “svært sjeldne” femfold rotasjonssymmetrien, i tillegg til tofold og trefold symmetri, fra to forskjellige vinkler.

Dette, ifølge NIST-fysiker og medforfatter Fan Zhang, “vil åpne opp en ny tilnærming til legeringsdesign. Med forskningen som viser at “kvasi-krystaller kan gjøre aluminium sterkere. Nå kan folk prøve å lage dem bevisst i fremtidige legeringer,” la han til.

Inni Gyromorph-revolusjonen: Isotrope båndgapmaterialer

Kvasi-krystaller har stort potensial. De har til og med evnen til å blokkere lys fullstendig. Men kun fra begrensede retninger. Og selv om de kan svekke lys fra alle retninger, kan de ikke stoppe det helt.

For å overvinne denne begrensningen har forskere søkt etter alternativer som kan blokkere signalforringende lys mer effektivt. Dette har ført til utviklingen av gyromorfer, som kan bidra til å bygge materialer som hindrer spredt lys fra å komme inn fra hvilken som helst retning mer effektivt. Ifølge studiens seniorforfatter, Stefano Martiniani, som er assisterende professor i fysikk, kjemi, matematikk og nevrovitenskap:

“Gyromorfer er ulikt noen kjent struktur ved at deres unike sammensetning gir opphav til bedre isotrope båndgapmaterialer enn det som er mulig med nåværende tilnærminger.” 

Imidlertid er et stort hinder i å konstruere disse materialene, hvis egenskaper avhenger av deres arkitektur, oppsettet som kreves for å oppnå de ønskede fysiske egenskapene.

Publisert i Physical Review Letters, detaljerer forskere fra New York University en ny strategi⁴ for å justere den optiske oppførselen.

Teamet har utviklet en algoritme som kan produsere funksjonelle strukturer med innebygd uorden. Den nye formen for “korrelert uorden” avdekket av teamet ligger mellom de to ytterpunktene: fullstendig ordnet og fullstendig tilfeldig.

“Tenk på trær i en skog – de vokser på tilfeldige posisjoner, men ikke helt tilfeldig fordi de vanligvis har en viss avstand fra hverandre. Dette nye mønsteret, gyromorfer, kombinerer egenskaper vi trodde var uforenlige og viser en funksjon som overgår alle ordnede alternativer, inkludert kvasi-krystaller.”

– Martiniani

Under forskningen observerte teamet at alle isotrope båndgapmaterialer viste samme strukturelle signatur. Så de fokuserte på å gjøre den “så tydelig som mulig,” noe som førte til skapelsen av gyromorfer.

Den resulterende nye klassen av materialer, hovedforfatter Mathias Casiulis, postdoktor i NYU’s fysikkavdeling, uttalte, “forene tilsynelatende uforenlige egenskaper,” fordi de ikke har en krystall-lignende, fast, repeterende struktur, noe som gir dem en væske-lignende uorden. Samtidig, når man ser fra avstand, danner de regelmessige mønstre.

“Disse egenskapene fungerer sammen for å skape båndgap som lysbølger ikke kan trenge gjennom fra noen retning.”

– Casiulis 

Teamet introduserte også “polygyromorfer” med flere rotasjonssymmetrier på ulike lengdeskalaer for å muliggjøre dannelsen av flere båndgap i en enkelt struktur, og dermed åpne dørene til fin kontroll over optiske egenskaper.
Sveip for å bla →

AI og neste-generasjons kvantematerialer i oppdagelse

Etter hvert som forskere fortsetter å dykke dypere inn i neste-generasjons materialer, dukker helt nye klasser av materialer opp.

Nylig rapporterte et forskerteam ledet av Department of Energy’s Berkeley Lab oppdagelsen⁵ av “berkelocene,” et organometallisk molekyl som inneholder det syntetiske, tunge, radioaktive kjemiske elementet berkelium.

Molekylene består av en metallion omgitt av en karbonbasert ramme, og mens de er relativt vanlige for tidlige aktinidelementer, er de sjelden kjent for senere.

“Dette er første gang bevis for dannelse av en kjemisk binding mellom berkelium og karbon er blitt oppnådd. Oppdagelsen gir ny forståelse av hvordan berkelium og andre aktinider oppfører seg i forhold til sine jevnaldrende i det periodiske systemet,” sa medforfatter Stefan Minasian, en forsker i Berkeley Labs Chemical Sciences Division, som har jobbet med å forberede aktinidenes organometalliske forbindelser da de gjør det mulig å observere aktinidenes distinkte elektroniske strukturer.

Aktinider er en serie på 15 radioaktive metalliske elementer i det periodiske system, lokalisert i f-blokken. Uran og plutonium er eksempler på aktinider. De er kjent for sine radioaktive egenskaper og brukes i kjernekraftverk og andre teknologier.

I fjor førte et samarbeid mellom forskere fra Uppsala universitet, Sverige, og Columbia University, USA, til oppdagelsen av et 2D kvantemateriale kalt CeSiI⁶, med en krystallstruktur av cerium, silisium og jod. Dens krystallstruktur ligner en todimensjonal oppstilling av distinkte, atomtynne lag.

Elektronene i CeSiI oppfører seg som tunge fermioner, med en effektiv masse opptil 100 ganger større enn i vanlige materialer. Denne effektive massen er anisotropisk; den avhenger derfor av retningen elektronene beveger seg i de atomiske lagene.

“Med denne oppdagelsen har vi nå en betydelig forbedret materialplattform for å undersøke korrelerte elektronstrukturer. 2D-materialer er som et byggesett med LEGO-brikker. Våre partnere jobber allerede med å legge til lag fra andre 2D-materialer for å skape et nytt materiale med tilpassede kvanteegenskaper.”

– Chin Shen Ong fra Institutt for fysikk og astronomi ved Uppsala

I materialvitenskap er det utallige muligheter, og å velge riktig materiale er en viktig hindring for å gjøre nye oppdagelser. Mens teoridrevne prediksjoner og eksperimentbaserte valideringer hjelper med å informere valget, har det forblitt fragmentert.

Dette er hvor AI-drevet materialinformatisering tar over, ved å integrere kvante-skala innsikter med store datasett for raskt å screene, modellere og optimalisere nye materialer som ville vært umulig å oppdage gjennom konvensjonell prøving-og-feiling.

Et team av forskere ved Tohoku University bygde en AI-byggd materialkart⁷ for å forene all eksperimentell data med representative førsteprinsipp beregningsdata, med mål om å hjelpe forskere å finne riktig materiale for en gitt situasjon.

Kartet er en stor graf med akser for strukturell likhet og termoelektrisk ytelse (zT), med hvert datapunkt som representerer et materiale. Lignende materialer her vises i nær nærhet. Ettersom disse materialene vanligvis syntetiseres og evalueres med lignende metoder og enheter, gjør kartet det mulig for eksperimentelle forskere å raskt oppdage analoger av ukjente høyytelsesmaterialer og å gjenbruke eksisterende synteseprotokoller som neste steg.

På denne måten kan verktøyet bidra til å redusere utviklingskostnader og akselerere innovasjon og dens virkelige implementering. I fremtiden planlegger teamet å utvide rammeverket sitt utover termoelektriske materialer for å inkludere topologiske og magnetiske materialer og å innlemme flere beskrivelser for å skape en omfattende, AI-assistert materialdesign støttende plattform.

“Ved å tilby en intuitiv fugleperspektiv over mange kandidater, hjelper kartet forskere med å velge lovende mål på et øyeblikk; derfor forventes det at det vil betydelig forkorte utviklingstidslinjer for nye funksjonelle materialer.”

– Associate Professor Yusuke Hashimoto

Samtidig utviklet en studie fra Universitetet i Göteborg en AI-modell for effektivt å bestemme styrke og holdbarhet⁸ av vevde komposittmaterialer.

Å utføre fysiske tester og detaljerte datamaskinsimuleringer for å designe nye høykvalitets komposittmaterialer er “spesielt vanskelig når kompositten er laget som et vevd tekstilfiber-materiale, hvor fibrene er viklet rundt hverandre og oppfører seg forskjellig avhengig av kreftene materialet blir utsatt for,” bemerket Ehsan Ghane, Ph.D.-student ved Institutt for fysikk ved Universitetet i Göteborg.

Mens datamaskiner allerede kan simulere realistiske mikrostrukturer basert på et materiales interaksjoner og påvirkninger, krever vevde komposittmaterialer fortsatt betydelige beregningsressurser. Nevrale nettverk tilbyr et alternativ, men de krever store mengder treningsdata og sliter med å ekstrapolere, så teamet utviklet en generalisert AI-modell som ikke krever så mye data.

Modellen har blitt trent på eksisterende simulerings- og testdata for komposittens bestanddeler, noe som gjør den i stand til å forutsi holdbarheten til den nye kompositten.

Mens studien fra Göteborg undersøkte metoder for å integrere materiallover i AI-modellen, har et team av forskere fra KAIST kombinert fysiske lover med sin AI-modell for å muliggjøre rask utforskning av nye materialer selv når data er støyende eller begrenset.

Egenskapsidentifikasjon er ett av nøkkeltrinnene i utviklingen av nye materialer, men det krever enorme mengder eksperimentelle data og dyrt utstyr, noe som begrenser forskningseffektiviteten. KAIST-teamet overvant dette behovet ved å integrere lovene som styrer deformasjon og interaksjon av materialer og energi.

Forskerne rapporterte en fysikk-informert nevralt nettverk (PINN) teknikk⁹ for å oppdage materialegenskaper og deformasjonsatferd ved kun å bruke en liten mengde data fra ett enkelt eksperiment. De introduserte deretter en AI-modell, Physics-Informed Neural Operator (PINO), som forstår fysikkens lover og kan generalisere til usette materialer.

MIT-forskere tok det enda videre ved å utvikle en metode som inkorporerer informasjon fra flere kilder¹⁰: litteratur, kjemiske sammensetninger, mikroskopiske bilder, og mer.

Det er en del av den nye Copilot-plattformen for Real-world Experimental Scientists (CRESt). Metoden deres bruker robotutstyr for å muliggjøre høyhastighets testing av materialer, og deretter sender resultatene tilbake til store multimodale modeller for å forbedre deres oppskrifter.

Forskerne brukte dette “assistent, ikke en erstatning, for menneskelige forskere,” for å utforske over 900 kjemikalier og gjennomføre 3 500 elektrokjemiske tester som førte til oppdagelsen av et katalysatormateriale som leverte rekordhøy krafttetthet i en brenselcelle for å generere elektrisitet.

Investering i fremgang innen materialvitenskap

I materialvitenskapens verden er ATI Inc. (ATI ) kjent for sine teknisk avanserte spesialmaterialer og komplekse komponenter. Selskapet produserer høyytelsesmaterialer for luftfart, forsvar, medisinsk, elektronikk og energimarkeder.

ATIs produkter er laget av nikkelbaserte legeringer og superlegeringer, titan og titanbaserte legeringer, og spesiallegeringer. Det opererer gjennom to segmenter:

• Høyt ytelsesmaterialer og komponenter (HPMC)
• Avanserte legeringer og løsninger (AA&S)

Med en markedsverdi på 13,5 milliarder dollar, handles ATI-aksjer til $99,37, opp 80,5 % i år. Den har en EPS (TTM) på 3,10 og en P/E (TTM) på 32,09. Selskapet betaler et utbytte på 0,32 %.