Uma Nova Forma de Controlar a Luz para Computadores Futuramente Mais Rápidos

Cientistas criaram um novo tipo de metamaterial que pode oferecer funcionalidade abrangente de bloqueio de luz para computação fotônica.

A metamaterial é um material projetado cujas propriedades não surgem da composição química de seus componentes base, mas de sua estrutura interna cuidadosamente projetada. Como tal, esses materiais podem exibir propriedades incomuns que não são encontradas em materiais naturais.

Esses materiais são tipicamente compostos de múltiplos materiais, como metais e plásticos, e organizados em estruturas repetitivas, subcomprimento de onda. A forma, tamanho, geometria, orientação e arranjo conferem-lhes suas propriedades, permitindo manipular ondas eletromagnéticas, acústicas ou sísmicas ao absorver, dobrar, amplificar ou bloquear ondas para alcançar benefícios impossíveis com materiais convencionais.

The novo metamaterial projetado¹ por cientistas da Universidade de Nova Iorque combina características que são tipicamente associadas a líquidos e cristais, mas supera ambos em sua capacidade de bloquear a luz incidente de todos os ângulos.

Denominados gyromorphs, a nova classe de materiais desordenados correlacionados funcionalmente combina aleatoriedade semelhante a líquidos com padrões estruturais em larga escala para bloquear a luz de todas as direções. O estudo afirmou:

“Geramos gyromorphs em 2D e 3D por métodos de otimização espectral, verificando que eles exibem forte ordem rotacional discreta mas nenhuma ordem translacional de longo alcance, enquanto mantêm isotropia rotacional em curto alcance para 퐺 suficientemente grande. “

Com essa inovação, os pesquisadores resolveram limitações em projetos baseados em quasicristais que há muito incomodam os cientistas. Também pode ajudar a impulsionar o progresso na computação fotônica.

De Quasicristais a Gyromorphs na Computação Fotônica

Na computação fotônica, fótons em vez de correntes elétricas são usados para realizar cálculos. Esta nova geração de computadores, quando realizada, pode ser muito mais eficiente e rápida do que as máquinas tradicionais convencionais.

Com processamento de dados à velocidade da luz, tem potencial para tarefas de alto desempenho como IA, mas a tecnologia atualmente enfrenta desafios de miniaturização e custo.

Avanços no campo levaram ao desenvolvimento de chips fotônicos funcionais para integração em servidores de computação de alto desempenho. Mas a computação baseada em luz ainda está em estágio inicial, com pesquisadores lutando para controlar fluxos microscópicos de luz que viajam através de um chip.

Materiais cuidadosamente projetados são o que precisamos para redirecionar com sucesso esses pequenos sinais ópticos sem enfraquecer sua intensidade. Manter esses sinais fortes requer uma substância especializada e leve no hardware que impede que luz indesejada entre de qualquer direção.

Um componente crucial para alcançar isso é incorporar o material de banda proibida isotrópica. Este material bloqueia luz ou outras ondas de se propagar em todas as direções, desde que as frequências estejam dentro de sua banda proibida. Tal material pode ser desordenado porém hiperuniforme, significando que carece de ordem translacional de longo alcance, mas possui um tipo específico e controlado de aleatoriedade.

Ao projetar materiais de banda proibida isotrópicos, os pesquisadores têm se concentrado há muito tempo em quasicristais.

Essas estruturas que seguem regras matemáticas mas não se repetem como cristais tradicionais foram descobertas primeiro pelo cientista Dan Shechtman no início dos anos 1980, pelo que recebeu o Prêmio Nobel de Química em 2011.

A descoberta foi feita enquanto pesquisavam alumínio e manganês. Quando os dois metais foram fundidos juntos e resfriados rapidamente para formar uma liga, eles exibiram simetria decuplicada sob um microscópio eletrônico, uma propriedade que não ocorre em estruturas cristalinas como os metais.

Quasicristais têm propriedades de estruturas cristalinas, como diamantes, o que significa que são organizados em padrões, bem como estruturas amorfas como o vidro, o que significa que esses padrões não se repetem. Suas propriedades únicas tornam os quasicristais tanto duráveis quanto frágeis.

Em um estudo da Universidade de Michigan no início deste ano, pesquisadores descobriram que quasicristais são materiais fundamentalmente estáveis² apesar de compartilharem semelhança com sólidos desordenados.

“Precisamos saber como organizar átomos em estruturas específicas se quisermos projetar materiais com propriedades desejadas”, observou o coautor do estudo, Wenhao Sun, professor assistente de Início de Carreira da Dow em Ciência e Engenharia de Materiais. “Os quasicristais nos forçaram a repensar como e por que certos materiais podem se formar.”

Para fornecer respostas ao porquê dos quasicristais existirem ou como eles se formam, os pesquisadores precisaram primeiro entender o que os torna estáveis. Para isso, tiveram que determinar se os quasicristais são estabilizados por entalpia ou entropia, então os pesquisadores retiraram nanopartículas menores de um bloco simulado maior de quasicristal, e calcularam a energia total em cada nanopartícula.

Os pesquisadores descobriram que tanto os quasicristais bem estudados, uma liga de escândio e zinco, quanto uma liga de itérbio e cádmio, são estabilizados por entalpia.

Para o cálculo, a equipe utilizou simulações quânticas de quasicristais e, para resolver o gargalo computacional, fizeram com que apenas os processadores vizinhos se comunicassem, em vez de todos os processadores de computador se comunicarem entre si, o que tornou seu algoritmo até 100 vezes mais rápido.

“Agora podemos simular vidro e materiais amorfos, interfaces entre diferentes cristais, bem como defeitos cristalinos que podem habilitar bits de computação quântica.”

– Vikram Gavini, professor da U-M de engenharia mecânica e ciência e engenharia de materiais

Em outra pesquisa, o Instituto Nacional de Padrões e Tecnologia (NIST) encontrou quasicristais em uma nova liga de alumínio-zircônio, que foi formada sob condições extremas de impressão 3D de metal.

Embora a adição de zircônio ao pó de alumínio permita imprimir ligas de alumínio de alta resistência, a equipe do NIST queria entender o que torna esse metal tão forte, para que possa ser usado em componentes críticos como peças de aeronaves militares.

E eles descobriram que os quasicristais são responsáveis por isso. Quebrar o padrão regular dos cristais de alumínio fortalece a liga. Quando vista do ângulo certo, a equipe encontrou a “muito rara” simetria rotacional de cinco vezes, além das simetrias de duas e três vezes, de dois ângulos diferentes.

Isso, segundo o físico do NIST e coautor Fan Zhang, “abrirá uma nova abordagem para o design de ligas. Com a pesquisa mostrando que os quasicristais podem tornar o alumínio mais forte. Agora as pessoas podem tentar criá-los intencionalmente em futuras ligas”, acrescentou.

Dentro da Revolução Gyromorph: Materiais de Banda Proibida Isotrópica

Os quasicristais têm muito potencial. Eles até têm a capacidade de bloquear completamente a luz. Mas apenas de direções limitadas. E embora possam enfraquecer a luz de todas as direções, não conseguem pará-la totalmente.

Para superar essa limitação, os cientistas têm buscado alternativas que possam bloquear a luz que degrada o sinal de forma mais eficaz. Isso levou ao desenvolvimento dos gyromorphs, que podem ajudar a construir materiais que evitam a entrada de luz indesejada de qualquer direção de forma mais eficaz. Segundo o autor sênior do estudo, Stefano Martiniani, professor assistente de física, química, matemática e neurociência:

“Gyromorphs são diferentes de qualquer estrutura conhecida, pois sua composição única gera materiais de banda proibida isotrópica melhores do que os possíveis com abordagens atuais.”

No entanto, um grande obstáculo na engenharia desses materiais, cujas propriedades dependem de sua arquitetura, é o arranjo necessário para alcançar as propriedades físicas desejadas.

Publicado em Physical Review Letters, os pesquisadores da Universidade de Nova Iorque detalham uma estratégia inovadora para ajustar o comportamento óptico.

A equipe desenvolveu um algoritmo que pode produzir estruturas funcionais com desordem incorporada. A nova forma de “desordem correlacionada” revelada pela equipe situa-se entre os dois extremos: totalmente ordenada e totalmente aleatória.

“Pense nas árvores de uma floresta – elas crescem em posições aleatórias, mas não completamente aleatórias porque geralmente mantêm uma certa distância umas das outras. Esse novo padrão, gyromorphs, combina propriedades que acreditávamos serem incompatíveis e exibe uma função que supera todas as alternativas ordenadas, incluindo quasicristais.”

– Martiniani

Durante a pesquisa, a equipe observou que todos os materiais de banda proibida isotrópica exibiam a mesma assinatura estrutural. Portanto, concentraram-se em torná-la “o mais pronunciada possível”, levando à criação dos gyromorphs.

A nova classe resultante de materiais, autor principal Mathias Casiulis, bolsista de pós-doutorado no Departamento de Física da NYU, afirmou, “conciliar características aparentemente incompatíveis”, porque eles não têm uma estrutura cristalina fixa e repetitiva, o que lhes confere uma desordem semelhante a líquidos. Ao mesmo tempo, quando observados de longe, formam padrões regulares.

“Essas propriedades trabalham juntas para criar bandas proibidas que as ondas de luz não podem penetrar de nenhuma direção.”

– Casiulis 

A equipe também introduziu “polygyromorphs” com múltiplas simetrias rotacionais em várias escalas de comprimento para permitir a formação de múltiplas bandas proibidas em uma única estrutura, abrindo assim portas para alcançar controle fino sobre propriedades ópticas.
Swipe to scroll →

IA e Materiais Quânticos de Próxima Geração na Descoberta

À medida que os pesquisadores continuam a aprofundar-se em materiais de próxima geração, classes totalmente novas de materiais estão surgindo.

Recentemente, uma equipe de pesquisa liderada pelo Laboratório Berkeley do Departamento de Energia dos EUA relatou a descoberta de “berkeloceno”, uma molécula organometálica que contém o elemento químico sintético, pesado e radioativo berquélio.

As moléculas consistem em um íon metálico cercado por uma estrutura baseada em carbono, e embora sejam relativamente comuns para os primeiros elementos actinídeos, são raramente conhecidas para os posteriores.

“Esta é a primeira vez que evidências da formação de uma ligação química entre berquélio e carbono foram obtidas. A descoberta fornece nova compreensão de como o berquélio e outros actinídeos se comportam em relação aos seus pares na tabela periódica,” disse o coautor Stefan Minasian, cientista da Divisão de Ciências Químicas do Laboratório Berkeley, que tem trabalhado na preparação de compostos organometálicos de actinídeos, permitindo observar as distintas estruturas eletrônicas dos actinídeos.

Actinídeos são uma série de 15 elementos metálicos radioativos na tabela periódica, localizados no bloco f. Urânio e plutônio são exemplos de actinídeos. Eles são conhecidos por suas propriedades radioativas e são usados em reatores nucleares e outras tecnologias.

No ano passado, uma parceria entre pesquisadores da Universidade de Uppsala, Suécia, e da Universidade Columbia, EUA, levou à descoberta de um material quântico 2D chamado CeSiI, com uma estrutura cristalina de cério, silício e iodo. Sua estrutura cristalina assemelha-se a um arranjo bidimensional de camadas distintas e atômicas.

Os elétrons do CeSiI comportam-se como férmions pesados, com uma massa efetiva até 100 vezes maior que em materiais comuns. Essa massa efetiva é anisotrópica; portanto, depende da direção em que os elétrons se movem nas camadas atômicas.

“Com essa descoberta, agora temos uma plataforma de material significativamente aprimorada para investigar estruturas eletrônicas correlacionadas. Materiais 2D são como um kit de construção com peças LEGO. Nossos parceiros já estão trabalhando na adição de camadas de outros materiais 2D para criar um novo material com propriedades quânticas personalizadas.”

– Chin Shen Ong do Departamento de Física e Astronomia da Uppsala

Na ciência dos materiais, há inúmeras possibilidades, e selecionar o material certo é um obstáculo fundamental para fazer novas descobertas. Embora previsões baseadas em teoria e validações experimentais ajudem a orientar a seleção, ela tem permanecido fragmentada.

É aqui que a informática de materiais impulsionada por IA está assumindo, integrando insights em escala quântica com grandes conjuntos de dados para rapidamente triagem, modelar e otimizar novos materiais que seriam impossíveis de descobrir por meio de tentativa e erro convencional.

Uma equipe de pesquisadores da Universidade de Tohoku construiu um mapa de materiais construído por IA para unificar todos os dados experimentais com dados computacionais representativos de primeiros princípios, com o objetivo de ajudar os pesquisadores a encontrar o material certo para uma situação específica.

O mapa é um grande grafo com eixos para similaridade estrutural e desempenho termelétrico (zT), com cada ponto de dados representando um material. Materiais semelhantes aparecem aqui em proximidade. Como esses materiais geralmente são sintetizados e avaliados usando métodos e dispositivos semelhantes, o mapa permite que experimentadores identifiquem rapidamente análogos de materiais de alto desempenho desconhecidos e reaproveitem protocolos de síntese existentes como próximos passos.

Dessa forma, a ferramenta pode ajudar a reduzir custos de desenvolvimento e acelerar a inovação e sua implantação no mundo real. No futuro, a equipe planeja expandir sua estrutura além de termelétricos para incluir materiais topológicos e magnéticos e incorporar descritores adicionais para criar uma plataforma abrangente de apoio ao design de materiais assistido por IA.

“Ao fornecer uma visão intuitiva e panorâmica de muitos candidatos, o mapa ajuda os pesquisadores a selecionar alvos promissores de imediato; portanto, espera-se que ele reduza substancialmente os prazos de desenvolvimento de novos materiais funcionais.”

– Professor Associado Yusuke Hashimoto

Enquanto isso, um estudo da Universidade de Gotemburgo desenvolveu um modelo de IA para determinar de forma eficiente a resistência e durabilidade de materiais compósitos tecidos.

Realizar testes físicos e simulações computacionais detalhadas para projetar novos materiais compósitos de alta qualidade é “particularmente difícil quando o compósito é criado como um material têxtil tecido, onde as fibras são enroladas umas nas outras e se comportam de maneira diferente dependendo das forças às quais o material é submetido”, observou Ehsan Ghane, estudante de doutorado no Departamento de Física da Universidade de Gotemburgo.

Embora os computadores já possam simular microestruturas realistas com base nas interações e influências de um material, os compósitos tecidos ainda exigem recursos computacionais substanciais. Redes neurais oferecem uma alternativa, mas requerem grandes quantidades de dados de treinamento e têm dificuldade em extrapolar, portanto a equipe desenvolveu um modelo de IA generalizado que não requer tantos dados.

O modelo foi treinado com dados de simulação e teste existentes para os materiais constituintes do compósito, permitindo prever a durabilidade do novo compósito.

Enquanto o estudo de Gotemburgo investigou métodos para integrar leis de materiais ao modelo de IA, uma equipe de pesquisadores da KAIST combinou leis físicas com seu modelo de IA para permitir a exploração rápida de novos materiais mesmo quando os dados são ruidosos ou limitados.

A identificação de propriedades é uma das etapas chave no desenvolvimento de novos materiais, mas requer enormes quantidades de dados experimentais e equipamentos caros, o que limita a eficiência da pesquisa. A equipe da KAIST superou essa necessidade integrando as leis que regem a deformação e interação de materiais e energia.

Os pesquisadores relataram uma técnica de rede neural informada por física (PINN) para detectar propriedades materiais e comportamento de deformação usando apenas uma pequena quantidade de dados de um único experimento. Eles então introduziram um modelo de IA, o Operador Neural Informado por Física (PINO), que compreende as leis da física e pode generalizar para materiais não vistos.

Pesquisadores do MIT levaram isso ainda mais longe ao desenvolver um método que incorpora informações de múltiplas fontes: literatura, composições químicas, imagens microestruturais e mais.

É parte da nova plataforma Copilot para Cientistas Experimentais do Mundo Real (CRESt). Seu método usa equipamentos robóticos para permitir testes de alto rendimento de materiais, então alimenta os resultados de volta em grandes modelos multimodais para melhorar suas formulações.

Os pesquisadores usaram esse “assistente, não um substituto, para pesquisadores humanos”, para explorar mais de 900 químicas e conduzir 3.500 testes eletroquímicos que levaram à descoberta de um material catalítico que entregou densidade de potência recorde em uma célula de combustível para gerar eletricidade.

Investindo no Avanço da Ciência dos Materiais

No mundo da ciência dos materiais, ATI Inc. (ATI ) é conhecida por seus materiais especializados tecnicamente avançados e componentes complexos. A empresa produz materiais de alto desempenho para os mercados aeroespacial, de defesa, médico, eletrônico e de energia.

Os produtos da ATI são feitos de ligas à base de níquel e superligas, titânio e ligas à base de titânio, e ligas especiais. Ela opera através de dois segmentos:

• Materiais e Componentes de Alto Desempenho (HPMC)
• Ligas Avançadas e Soluções (AA&S)

Com capitalização de mercado de US$ 13,5 bilhões, as ações da ATI estão sendo negociadas a US$ 99,37, alta de 80,5% neste ano. Possui um EPS (TTM) de 3,10 e um P/E (TTM) de 32,09. A empresa paga um rendimento de dividendos de 0,32%.