Uma nova maneira de controlar a luz para computadores mais rápidos no futuro.

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 derivam da composição química de seus componentes básicos, mas sim de sua estrutura interna cuidadosamente projetada. Como tal, esses materiais podem exibir características incomuns. propriedades que não são encontrados em materiais de ocorrência natural.

Esses materiais são tipicamente compostos por múltiplos materiais, como metais e plásticos, e dispostos em estruturas repetidas de dimensões sub-comprimento de onda. A forma, o tamanho, a geometria, a orientação e a disposição conferem-lhes propriedades que lhes permitem manipular ondas eletromagnéticas, acústicas ou sísmicas, absorvendo, curvando, amplificando ou bloqueando ondas, obtendo benefícios impossíveis de alcançar com materiais convencionais.

O processo de novo metamaterial projetado¹ desenvolvido por cientistas da Universidade de Nova York combina características Que é tipicamente associado a líquidos e cristais mas superar ambos deles em sua capacidade de bloquear a luz incidente de todos os ângulos.

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

"Geramos giromorfos em 2D e 3D por métodos de otimização espectral, verificando que eles exibem forte ordem rotacional discreta, mas nenhuma ordem translacional de longo alcance, mantendo a isotropia rotacional em curto alcance para valores suficientemente grandes de θ. G.” 

Com essa inovação, os pesquisadores têm resolvido limitações em projetos baseados em quasicristais que há muito tempo estava incomodando cientistas. Também pode ajudar a impulsionar o progresso na computação fotônica.

De quasicristais a giromorfos na computação fotônica

Na computação fotônica, os fótons em vez de correntes elétricas são usados para realizar cálculos. Essa nova geração de computadores, uma vez concretizada, poderá ser muito mais eficiente e rápida do que as máquinas convencionais tradicionais.

Com processamento de dados na velocidade da luzEla se mostra promissora para tarefas de alto desempenho, como IA, mas a tecnologia atualmente enfrenta desafios em termos de miniaturização e custo. 

Os avanços na área levaram ao desenvolvimento de chips fotônicos funcionais para integração em servidores de computação de alto desempenho. Mas a computação movida a luz ainda é numa cedo etapa, 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 minúsculos sinais ópticos sem enfraquecer sua intensidade. Manter esses sinais fortes requer a especializado, leve substância no Dispositivo que impede a entrada de luz difusa vinda de qualquer direção. 

Um componente crucial para alcançar esse objetivo é a incorporação do material com bandgap isotrópico. Este material bloqueia a propagação de luz ou outras ondas em todas as direções, desde que as frequências estejam dentro de sua banda proibida. Tal material pode ser desordenado, porém hiperuniforme, o que significa que carece de ordem translacional de longo alcance, mas possui um tipo específico e controlado de aleatoriedade.

Ao projetar materiais com bandgap isotrópico, os pesquisadores têm foco longo em quasicristais.

Essas estruturas que. Seguem regras matemáticas, mas não se repetem como os cristais tradicionais. foram descobertos pela primeira vez Por Dan Shechtman, cientista no início da década de 1980, pelo qual ganhou o Prêmio Nobel. em Química em 2011.

A descoberta foi feito durante a pesquisa sobre alumínio e manganês. Quando os dois metais foram derretidos juntos E, após serem resfriados rapidamente para formar uma liga, exibiram simetria decagonal sob um microscópio eletrônico, uma propriedade que não ocorre em estruturas cristalinas como os metais.

Os quasicristais possuem propriedades de estruturas cristalinas, como os diamantes, o que significa que eles estão organizados em padrões, bem como em estruturas amorfas como o vidro, o que significa que esses padrões não se repetem. Suas propriedades únicas tornam os quasicristais tanto duráveis ​​quanto quebradiços.

Em um estudo da Universidade de Michigan realizado no início deste ano, Pesquisadores descobriram que os quasicristais são materiais fundamentalmente estáveis.² apesar de compartilharem semelhanças com sólidos desordenados.

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

Fornecer da respostas para apenas por Por que os quasicristais existem ou como eles se formam. são formados, os pesquisadores tinham primeiro entender apenas por O que os torna estáveis. Para isso, eles tiveram que determinar if Os quasicristais são estabilizados por entalpia ou entropia. so Os pesquisadores levou nanopartículas menores de um bloco simulado maior of quasicristal, Em seguida calculou o energia total in 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 de mecânica quântica de quasicristais, e para resolver da computação gargalo, eles só tinham da Processadores vizinhos se comunicam em vez de cada um se comunicar. computador processador comunicar-se uns com os outros tornou o algoritmo deles até 100 vezes mais rápido.

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

– Vikram Gavini, professor de engenharia mecânica da UM e Ciência de materiais e engenharia

Noutra pesquisa, da Instituto Nacional de Padrões e Tecnologia (NIST) Cientistas descobriram quasicristais em uma nova liga de alumínio-zircônio.³, o qual foi formado sob a condições extremas da impressão 3D em metal.

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

E descobriram que os quasicristais são os responsáveis ​​por isso. A quebra do padrão regular dos cristais de alumínio fortalece a liga.. Ao observar do ângulo correto, a equipe descobriu a simetria rotacional quíntupla, "muito rara", além das simetrias dupla e tripla. de dois ângulos diferentes.

EstaSegundo Fan Zhang, físico do NIST e coautor do estudo, “isso abrirá uma nova abordagem para o projeto de ligas metálicas. Com a pesquisa demonstrando que “os quasicristais podem tornar o alumínio mais resistente. Agora, as pessoas podem tentar criá-los intencionalmente em ligas futuras," ele adicionou.

Por dentro da revolução giromorfa: Materiais com bandgap isotrópico

Os quasicristais são muito promissores. até mesmo ter a capacidade para bloquear completamente a luzMas apenas a partir de direções limitadas. E embora possam enfraquecer a luz vinda de todas as direções, não podem bloqueá-la completamente.

Para superar essa limitação, os cientistas têm buscado alternativas que possam bloquear a luz que degrada o sinal de forma mais eficaz. Esta Isso levou ao desenvolvimento de giromorfos, que podem ajudar a construir materiais que impedem a entrada de luz difusa de qualquer direção com mais eficácia. De acordo com o autor sênior do estudo, Stefano Martiniani, professor assistente de física, química, matemática e neurociência:

“Os giromorfos são diferentes de qualquer estrutura conhecida, pois sua composição única dá origem a materiais com gap de banda isotrópico melhor do que é possível com as 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 na Physical Review Letters, o Pesquisadores da Universidade de Nova York detalham uma estratégia inovadora.⁴ para ajustar o comportamento óptico.

A equipe desenvolveu um algoritmo capaz de produzir estruturas funcionais com desordem intrínseca. 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 estão a uma certa distância umas das outras. Esse novo padrão, os giromorfos, combina propriedades que acreditávamos serem incompatíveis e exibe uma função que supera todas as alternativas ordenadas, incluindo os quasicristais.”

- Martiniani

Durante a pesquisa, a equipe observou que todos os materiais com bandgap isotrópico exibiam a mesma assinatura estrutural. Assim, eles se concentraram em torná-la "o mais pronunciada possível", o que levou à criação dos giromorfos.

A nova classe de materiais resultante, segundo o autor principal Mathias Casiulis, um pós-doutorando do Departamento de Física da NYU, "concilia características aparentemente incompatíveis", porque não possui uma estrutura cristalina, fixa e repetitiva, o que lhes confere uma desordem semelhante à de um líquido. Ao mesmo tempo, porém, quando vistos à distância, formam padrões regulares.

“Essas propriedades atuam em conjunto para criar bandas proibidas que as ondas de luz não conseguem penetrar, vindas de nenhuma direção.”

– Casiulis 

A equipe também introduziu os "poligiromorfos" com múltiplas simetrias rotacionais em várias escalas de comprimento para permitir a formação de múltiplas lacunas de banda em uma única estrutura, abrindo assim as portas para alcançar um controle preciso sobre as propriedades ópticas.
Deslize para rolar →

Inteligência Artificial e Materiais Quânticos de Próxima Geração em Descoberta

À medida que os pesquisadores continuam a explorar materiais de próxima geração, novas classes de materiais estão surgindo.

Recentemente, uma equipe de pesquisa liderada pelo Laboratório Berkeley do Departamento de Energia dos EUA descobriu que... relatou a descoberta⁵ de “berkeloceno”, uma molécula organometálica que contém o elemento químico sintético, pesado e radioativo berquélio.

As moléculas consistem em um íon metálico rodeado por uma estrutura à base de carbono e, embora relativamente comuns para os primeiros elementos actinídeos, são pouco conhecidas para os mais recentes.

"Esta é a primeira vez que se obtém evidências da formação de uma ligação química entre o berquélio e o carbono. foram obtidosA descoberta proporciona uma nova compreensão de como o berquélio e outros actinídeos se comportam em relação aos seus pares na tabela periódica”, disse co-autor Stefan Minasian, cientista da Divisão de Ciências Químicas do Laboratório Berkeley, que tem trabalhado na preparação de compostos organometálicos de actinídeos, pois estes permitem observar as distintas estruturas eletrônicas dos actinídeos.

Os actinídeos são uma série de 15 elementos metálicos radioativos da 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, na Suécia, e da Universidade de Columbia, nos EUA, levou à descoberta de um material quântico 2D chamado CeSiI⁶, com uma estrutura cristalina de cério, silício e iodo. Sua estrutura cristalina assemelha-se a um arranjo bidimensional de camadas distintas, com espessura atômica. 

Os elétrons do CeSil comportam-se como férmions pesados, com uma massa efetiva até 100 vezes maior do 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 materiais significativamente aprimorada para investigar estruturas de elétrons correlacionados. Materiais 2D são como um kit de construção com peças de 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 de Uppsala.

Na ciência dos materiais, existem inúmeras possibilidades, e selecionar o material certo é um obstáculo fundamental para a fabricação. new descobertas. Embora as previsões baseadas em teoria e as validações baseadas em experimentos ajudem a orientar a seleção, ela permanece... fragmentado.

Esta É nesse campo que a informática de materiais impulsionada por IA está assumindo o controle, integrando insights em escala quântica com grandes conjuntos de dados para selecionar, modelar e otimizar rapidamente novos materiais que seriam impossíveis de descobrir por meio de tentativas e erros convencionais.

Uma equipe de pesquisadores da Universidade de Tohoku construiu um construído por IA mapa de materiais⁷ unificar todo o dados experimentais com dados computacionais representativos de primeiros princípios, com o objetivo de ajudar Os pesquisadores encontram o material certo para uma determinada situação.

O mapa é um gráfico grande com eixos. para similaridade estrutural e desempenho termoelétrico (zT), com cada ponto de dados representando um material. Materiais semelhantes aparecem aqui em fechar proximidade. Como esses materiais são geralmente sintetizados e avaliado usando métodos e dispositivos semelhantes, o mapa permite aos experimentalistas para identificar rapidamente análogos de materiais desconhecidos de alto desempenho e para reaproveitar os protocolos de síntese existentes como próximos passos.

Dessa forma, a ferramenta pode ajudar a reduzir os custos de desenvolvimento e acelerar a inovação e sua implementação no mundo real. No futuro, a equipe planeja expandir sua estrutura além dos materiais termoelétricos, incluindo materiais topológicos e magnéticos, e incorporar descritores adicionais para criar um projeto de materiais abrangente e assistido por IA. plataforma de suporte.

Ao fornecer uma visão geral intuitiva de vários candidatos, o mapa ajuda os pesquisadores a selecionar alvos promissores rapidamente; portanto, ele é esperado reduzir substancialmente os prazos de desenvolvimento de novos materiais funcionais.”

– Professor Associado Yusuke Hashimoto

Entretanto, um estudo da Universidade de Gotemburgo desenvolveu um modelo de IA. para determinar com eficiência a resistência e a durabilidade⁸ de materiais compósitos tecidos.

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

Embora os computadores já consigam simular microestruturas realistas com base nas interações e influências de um material, os materiais compósitos tecidos ainda exigem uma simulação substancial. recursos computacionais. As redes neurais oferecem uma alternativa, mas exigem grandes quantidades de dados de treinamento e têm dificuldades para extrapolar.Assim, a equipe desenvolveu um modelo de IA generalizado que não requer tantos dados.

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

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

A identificação da propriedade é um dos chave passos no desenvolvimento de novos materiais, mas requer grandes quantidades de dados experimentais e equipamentos caros, que limites eficiência da pesquisa. A equipe do KAIST superou essa necessidade integrando as leis que regem a deformação e a interação de materiais e energia.

Os pesquisadores relataram uma técnica de rede neural informada pela física (PINN)⁹ detectar propriedades de materiais e comportamento de deformação usando apenas uma pequena quantidade de dados a partir de um único experimento. Em seguida, eles introduziram um modelo de IA, o Operador Neural Informado pela Física (PINO), que compreende as leis da física. e pode ser generalizado para materiais nunca vistos antes.

Pesquisadores do MIT levaram isso para lá. ainda mais, desenvolvendo um método que incorpora informações de múltiplas fontes¹⁰: literatura, composições químicas, imagens microestruturais e muito mais. 

Faz parte da nova plataforma Copilot. Para cientistas experimentais do mundo real (CRESt). O método deles utiliza equipamentos robóticos para permitir testes de materiais em larga escala, e então os resultados são inseridos no sistema. voltar a usar grandes modelos multimodais para melhorar suas receitas.

Os pesquisadores utilizaram esse “assistente, não um substituto, para pesquisadores humanos”s, ” explorar mais de 900 reações químicas e realizar 3,500 testes eletroquímicos. que levou à descoberta de um material catalisador que proporcionou densidade de potência recorde em uma célula de combustível para geração de eletricidade.

Investindo no avanço da ciência dos materiais

No mundo da ciência dos materiais, ATI Inc. (ATI ) É conhecida por seus materiais especiais 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 fabricados com ligas e superligas à base de níquel, titânio e ligas à base de titânio, além de ligas especiais. A empresa opera em dois segmentos:

• Materiais e componentes de alto desempenho (HPMC)
• Ligas e Soluções Avançadas (AA&S)

Com uma capitalização de mercado de US$ 13.5 bilhões, as ações da ATI estão sendo negociadas a US$ 99.37, uma alta de 80.5% neste ano. A empresa possui um LPA (últimos doze meses) de US$ 3.10 e um índice P/L (últimos doze meses) de 32.09. A companhia paga um dividendo com rendimento de 0.32%.

Recentemente, a ATI anunciou um aumento de 7% nas vendas em relação ao mesmo período do ano anterior, atingindo US$ 1.13 bilhão no terceiro trimestre de 2025. Seu lucro líquido GAAP foi de US$ 110 milhões, e seu lucro líquido ajustado foi de US$ 119 milhões, ambos com aumento de 30% em relação ao ano anterior..

O lucro por ação no trimestre foi de US$ 0.78. e o lucro ajustado por ação foi de US$ 0.85.

“Superamos nossas projeções no terceiro trimestre, apresentando um forte desempenho em lucros ajustados e fluxo de caixa operacional. Continuamos a observar sinais positivos de demanda em nossos principais mercados, à medida que nossos clientes aumentam a produção para atingir suas metas de crescimento. Estamos bem posicionados para expandir nossos negócios relacionados à defesa por meio de um portfólio crescente de produtos altamente diferenciados.”"É importante para os EUA e nossos aliados."

– CEO Kimberly A. Fields

Notícias recentes ATI Inc. Notícias sobre ações da ATI

Conclusão: Por que os giromorfos são importantes para a fotônica e para os investidores

A ciência dos materiais é fundamental para o avanço tecnológico, e Está sendo acelerado pela IA.A convergência de experimentalistas, teóricos e sistemas de aprendizado de máquina está reduzindo drasticamente o tempo entre a descoberta e a aplicação, permitindo a rápida identificação, simulação e otimização.otimização de materiais que antes exigiam décadas de pesquisa por tentativa e erro. 

Nesse contexto, a descoberta dos giromorfos representa um marco notável. Ao combinar desordem com padrão, essa nova classe de materiais possibilita um controle sem precedentes sobre a luz e a atmosfera.O elemento d traz a promessa de desbloquear o próximo grande salto na computação fotônica.

Referências

1. Casiulis, M., Shih, A., & Martiniani, S. “Giromorfos: Uma Nova Classe de Materiais Funcionais Desordenados.” Physical Review Letters 135(19) (2025). https://doi.org/10.1103/gqrx-7mn2
2. Baek, W., Das, S., Tan, S., Gavini, V., & Sun, W. Estabilidade de quasicristais e cinética de nucleação a partir da teoria do funcional da densidade. Física da Natureza 21, 980-987 (2025). https://doi.org/10.1038/s41567-025-02925-6
3. Liu, Y., Zhang, H., Zhou, X., & Chen, Y. “Desempenho catalítico de novos óxidos de metais mistos para hidrogenação de CO₂.” Catálise B aplicada: Ambiental 330 (2025). https://doi.org/10.1016/S0925-8388(25)01839-0
4. Casiulis, M., Shih, A., & Martiniani, S. Giromorfos: Uma Nova Classe de Materiais Funcionais Desordenados. Physical Review Letters 135, 196101 (2025). https://doi.org/10.1103/gqrx-7mn2
5. Russo, DR, Gaiser, AN, Price, AN, Sergentu, DC., Wacker, JN, Katzer, N., Peterson, AA, Branson, JA, Yu, X., Kelly, SN, Ouellette, ET, Arnold, J., Long, JR, Lukens, WW, Jr., Teat, SJ, Abergel, RJ, Arnold, PL, Autschbach, J., & Minasian, SG Ligação berquélio-carbono em um berkeloceno tetravalente. Science 387(6737), 974–978 (2025). https://doi.org/10.1126/science.adr3346
6. Posey, VA, Turkel, S., Rezaee, M., Devarakonda, A., Kundu, AK, Ong, CS, Thinel, M., Chica, DG, Vitalone, RA, Jing, R., Xu, S., Needell, DR, Meirzadeh, E., Feuer, ML, Jindal, A., Cui, X., Valla, T., Thunström, P., Yilmaz, T., Vescovo, E., Graf, D., Zhu, X., Scheie, A., May, AF, Eriksson, O., Basov, DN, Dean, CR, Rubio, A., Kim, P., Ziebel, ME, Millis, AJ, Pasupathy, AN & Roy, X. Férmions pesados ​​bidimensionais no metal de van der Waals CeSiI. Nature 625, 483-488 (2024). https://doi.org/10.1038/s41586-023-06868-x
7. Hashimoto, Y., Jia, X., Li, H., & Toma, T. “Um mapa de materiais que integra dados experimentais e computacionais por meio de aprendizado de máquina baseado em grafos para aprimorar a descoberta de materiais.” Aprendizado de Máquina APL 3(3), 036104 (2025). https://doi.org/10.1063/5.0274812
8. Gana, E. Aprendendo com dados e física para modelagem multiescala de compósitos tecidos. Tese de doutorado, Universidade de Gotemburgo, 2025. https://hdl.handle.net/2077/85666
9. Moon, H., Park, D., Cho, H.-K., Noh, H.-K., e Ryu, S. Descoberta de modelos constitutivos hiperelásticos a partir de dados extremamente escassos, baseada em redes neurais e informada pela física. Métodos Computacionais em Mecânica Aplicada e Engenharia 446, 118258 (2025). https://doi.org/10.1016/S0045782525005304
10. Zhang, Z., Ren, Z., Hsu, C.-W., Chen, W., Hong, Z.-W., Lee, C.-F., Penn, A., Xu, H., Zheng, DJ, Miao, S., Huang, Y., Gao, Y., Chen, W., Smith, H., Niu, Y., Tian, ​​Y., Lu, Y.-R., Shao, Y.-C., Li, S., Wang, H.-T., Abate, II, Agrawal, P., Shao-Horn, Y., & Li, J., Uma plataforma robótica multimodal para a descoberta de eletrocatalisadores multielementares. Nature 647, 390–396 (2025). https://doi.org/10.1038/s41586-025-09640-5