Ett nytt sätt att styra ljus för snabbare framtida datorer

Forskare har skapat en ny typ av metamaterial som kan erbjuda omfattande ljusblockerande funktionalitet för fotonisk databehandling.

A metamaterial är ett konstruerat material vars egenskaper inte härrör från den kemiska sammansättningen av dess baskomponenter utan från deras noggrant utformade interna struktur. Som sådana kan dessa material uppvisa ovanliga egenskaper som finns inte i naturligt förekommande material.

Dessa material består vanligtvis av flera material, såsom metaller och plaster, och är arrangerade i upprepade strukturer med olika våglängder. Formen, storleken, geometrin, orienteringen och arrangemanget ger dem deras egenskaper, vilket gör det möjligt för dem att manipulera elektromagnetiska, akustiska eller seismiska vågor genom att absorbera, böja, förstärka eller blockera vågor för att uppnå fördelar som inte är möjliga med konventionella material.

Ocuco-landskapet nytt metamaterial konstruerat¹ av forskare vid New York University kombinerar funktioner som är vanligtvis förknippad med vätskor och kristaller men överträffa båda av dem i dess förmåga att blockera inkommande ljus från alla vinklar.

Den nya klassen av funktionellt korrelerade oordnade material, kallade gyromorfer, sammanfogar vätskeliknande slumpmässighet med storskaliga strukturella mönster för att blockera ljus från alla riktningar. Studien konstaterade:

"Vi genererar gyromorfer i 2D och 3D med spektraloptimeringsmetoder, och verifierar att de uppvisar stark diskret rotationsordning men ingen långdistanstranslationsordning, samtidigt som vi bibehåller rotationsisotropi på kort avstånd under tillräckligt stora avstånd. 𝐺.” 

Med denna innovation har forskarna löst begränsningar i kvasikristallbaserade designer som har långa har stört forskare. Det kan också bidra till att driva framsteg inom fotonisk databehandling.

Från kvasikristaller till gyromorfer inom fotonisk databehandling

Inom fotonisk databehandling, fotoner istället för elektriska strömmar används för att utföra beräkningar. Denna nya generation datorer, när den väl är realiserad, kan vara mycket effektivare och snabbare än traditionella konventionella maskiner.

Med databehandling med ljusets hastighet, den har lovande effekter för högpresterande uppgifter som AI, men tekniken står för närvarande inför utmaningar i miniatyrisering och kostnad. 

Framsteg inom området har lett till utvecklingen av funktionella fotoniska chips för integration i högpresterande datorservrar. Men ljusdriven databehandling är fortfarande en bränna tidigt skede, där forskare kämpar med att kontrollera mikroskopiska ljusströmmar som färdas genom ett chip. 

Noggrant utformade material är vad vi behöver för att framgångsrikt omdirigera dessa små optiska signaler utan att försvaga deras styrka. Att hålla dessa signaler starka kräver a specialiserad, lättviktig substans i hårdvara som förhindrar att ströljus kommer in från alla håll. 

En avgörande komponent för att uppnå detta är att införliva det isotropa bandgapmaterialet. Detta material blockerar ljus eller andra vågor från att fortplanta sig i alla riktningar, så länge frekvenserna ligger inom dess bandgap. Sådant material kan vara oordnat men ändå hyperuniformt, vilket innebär att det saknar långsiktig translationsordning men har en specifik, kontrollerad typ av slumpmässighet.

När forskare konstruerar isotropa bandgapmaterial har de länge fokuserad på kvasikristaller.

Dessa strukturer den där följ matematiska regler men upprepa inte som traditionella kristaller upptäcktes först av forskaren Dan Shechtman tillbaka i början av 1980-talet, för vilket han vann Nobelpriset i kemi år 2011.

Upptäckten var gjord medan de undersökte aluminium och mangan. När de två metallerna smälte samman och snabbt kyldes för att bilda en legering, uppvisade de tiofaldig symmetri under ett elektronmikroskop, en egenskap som inte förekommer i kristallina strukturer som metaller.

Kvasikristaller har egenskaper av kristallina strukturer, som diamanter, vilket innebär att de är organiserade till mönster, såväl som amorfa strukturer som glas, vilket innebär att dessa mönster inte upprepas. Deras unika egenskaper gör kvasikristaller både hållbara och spröda.

I en studie från University of Michigan tidigare i år, Forskare fann att kvasikristaller är fundamentalt stabila material² trots att de delar likhet med oordnade fasta ämnen.

”Vi behöver veta hur man arrangerar atomer i specifika strukturer om vi vill designa material med önskade egenskaper”, konstaterade studiens medförfattare, Wenhao Sun, Dow Early Career Assistant Professor of Materials Science and Engineering. ”Kvasikristaller har tvingat oss att ompröva hur och varför vissa material kan bildas.”

Att förse d svar på bara varför kvasikristaller existerar eller hur de bildas, forskarna hade att först förstå bara vad som gör dem stabila. För detta var de tvungna att bestämma if kvasikristaller är entalpi- eller entropistabiliserade, so forskarna tog mindre nanopartiklar från ett större simulerat block of kvasikristalloch sedan beräknade total energi in varje nanopartikel.

Forskarna upptäckte att både de väl utforskade kvasikristallerna, en legering av skandium och zink, och en legering av ytterbium och kadmium, är entalpi-stabiliserade.

För beräkningen använde teamet kvantmekaniska simuleringar av kvasikristaller, och för att lösa d databehandling flaskhals, de hade bara d angränsande processorer kommunicerar snarare än varje dator Processorn kommunicera med varandra, vilket gjorde deras algoritm upp till 100 gånger snabbare.

"Vi kan nu simulera glas och amorfa material, gränssnitt mellan olika kristaller, såväl som kristalldefekter som kan möjliggöra kvantberäkningsbitar."

– Vikram Gavini, professor i maskinteknik vid UM och materialvetenskap och teknik

I en annan forskning, d National Institute of Standards and Technology (NIST) Forskare hittade kvasikristaller i en ny aluminium-zirkoniumlegering³, Vilket var bildad under extrema förhållanden av 3D-metallutskrift.

Medan tillsats av zirkonium till aluminiumpulver möjliggör tryckning av höghållfasta aluminiumlegeringar, ville NIST-teamet förstå vad som gör denna metall så stark, så den kan användas i kritiska komponenter som delar till militära flygplan. 

Och de fann att kvasikristaller är ansvariga för det. Att bryta upp det regelbundna mönstret av aluminiumkristaller stärker legeringen.. När de betraktades från precis rätt vinkel fann teamet den "mycket sällsynta" femfaldiga rotationssymmetrin, utöver tvåfaldiga och trefaldiga symmetrier, från två olika vinklar.

Detta, enligt NIST-fysikern och medförfattaren Fan Zhang, ”kommer att öppna upp för ett nytt tillvägagångssätt för legeringsdesign. Med forskningen som visar att ”kvasikristaller kan göra aluminium starkare. Nu kanske man försöker skapa dem avsiktligt i framtida legeringar," han lade till.

Inuti gyromorfrevolutionen: Isotropa bandgapmaterial

Kvasikristaller har mycket lovande potential. De ens ha förmågan till blockera ljuset helt... Men bara från begränsade riktningar. Och även om de kan försvaga ljus från alla riktningar, kan de inte stoppa det helt.

För att övervinna denna begränsning har forskare letat efter alternativ som kan blockera signalnedbrytande ljus mer effektivt. Detta har lett till utvecklingen av gyromorfer, vilka kan hjälpa till att bygga material som mer effektivt förhindrar att ströljus kommer in från alla riktningar. Enligt studiens huvudförfattare, Stefano Martiniani, som är biträdande professor i fysik, kemi, matematik och neurologisk vetenskap:

"Gyromorfer skiljer sig från alla kända strukturer genom att deras unika sammansättning ger upphov till bättre isotropa bandgapmaterial än vad som är möjligt med nuvarande metoder." 

Ett stort hinder vid tillverkning av dessa material, vars egenskaper beror på deras arkitektur, är dock det arrangemang som krävs för att uppnå de önskade fysikaliska egenskaperna.

Publicerad i Physical Review Letters, Forskare från New York University beskriver en ny strategi⁴ för att finjustera det optiska beteendet.

Teamet har utvecklat en algoritm som kan producera funktionella strukturer med inbyggd oordning. Den nya formen av "korrelerad oordning" som teamet avslöjat ligger mellan de två ytterligheterna: helt ordnad och helt slumpmässig.

"Tänk på träd i en skog – de växer på slumpmässiga positioner, men inte helt slumpmässigt eftersom de vanligtvis är på ett visst avstånd från varandra. Detta nya mönster, gyromorfer, kombinerar egenskaper som vi trodde var inkompatibla och uppvisar en funktion som överträffar alla ordnade alternativ, inklusive kvasikristaller."

- Martiniani

Under sin forskning observerade teamet att alla isotropa bandgapmaterial uppvisade samma strukturella signatur. Så de fokuserade på att göra den "så uttalad som möjligt", vilket ledde till skapandet av gyromorfer.

Den resulterande nya klassen av material, enligt huvudförfattaren Mathias Casiulis, postdoktor vid NYU:s fysikavdelning, "förenar till synes inkompatibla egenskaper" eftersom de inte har en kristallliknande, fast, upprepande struktur, vilket ger dem en vätskeliknande oordning. Samtidigt bildar de dock regelbundna mönster när man tittar på dem på avstånd.

"Dessa egenskaper samverkar för att skapa bandgap som ljusvågor inte kan tränga igenom från någon riktning."

– Casiulis 

Teamet introducerade också "polygyromorfer" med flera rotationssymmetrier vid olika längdskalor för att möjliggöra bildandet av flera bandgap i en enda struktur, vilket öppnar dörrarna för att uppnå fin kontroll över optiska egenskaper.
Svep för att skrolla →

AI och nästa generations kvantmaterial inom upptäckt

I takt med att forskare fortsätter att forska djupare i nästa generations material dyker helt nya materialklasser upp.

Nyligen har ett forskarteam lett av energidepartementets Berkeley Lab rapporterade upptäckten⁵ av "berkelocen", en organometallisk molekyl som innehåller det syntetiska, tunga, radioaktiva grundämnet berkelium.

Molekylerna består av en metalljon omgiven av ett kolbaserat ramverk, och även om de är relativt vanliga för tidiga aktinidelement, är de knappast kända för senare.

"Detta är första gången som bevis för bildandet av en kemisk bindning mellan berkelium och kol har framkommit. har erhållitsUpptäckten ger ny förståelse för hur berkelium och andra aktinider beter sig i förhållande till sina motsvarigheter i det periodiska systemet”, sade medförfattare Stefan Minasian, forskare vid Berkeley Labs avdelning för kemivetenskap, som har arbetat med att framställa aktiniders organometalliska föreningar eftersom de gör det möjligt för dem att observera aktiniders distinkta elektroniska strukturer.

Aktinider är en serie av 15 radioaktiva metalliska grundämnen i det periodiska systemet, belägna i f-blocket. Uran och plutonium är exempel på aktinider. De är kända för sina radioaktiva egenskaper och används i kärnreaktorer och annan teknik.

Förra året ledde ett samarbete mellan forskare från Uppsala universitet i Sverige och Columbia University i USA till upptäckten av ett 2D-kvantmaterial som kallas CeSiI⁶, med en kristallstruktur av cerium, kisel och jod. Dess kristallstruktur liknar ett tvådimensionellt arrangemang av distinkta, atomtunna lager. 

Elektronerna i CeSil beter sig som tunga fermioner, med en effektiv massa upp till 100 gånger större än i vanliga material. Denna effektiva massa är anisotropisk; den beror alltså på i vilken riktning elektronerna rör sig i atomskikten.

"Med denna upptäckt har vi nu en betydligt förbättrad materialplattform för att undersöka korrelerade elektronstrukturer. 2D-material är som ett byggsats med LEGO-bitar. Våra partners arbetar redan med att lägga till lager från andra 2D-material för att skapa ett nytt material med anpassade kvantegenskaper."

- Chin Shen Ong från institutionen för fysik och astronomi i Uppsala

Inom materialvetenskap finns det otaliga möjligheter, och att välja rätt material är ett stort hinder för att tillverka ny upptäckter. Medan teoridrivna förutsägelser och experimentbaserade valideringar bidrar till att informera urvalet, har det förblivit fragmenterad.

Detta är där AI-driven materialinformatik tar över, genom att integrera insikter i kvantskala med stora datamängder för att snabbt screena, modellera och optimera nya material som skulle vara omöjliga att upptäcka genom konventionell trial-and-error.

Ett forskarteam vid Tohoku University byggt en AI-byggd materialkarta⁷ att förena alla experimentella data med representativa beräkningsdata baserade på första principer, med syftet att hjälpa forskare hittar rätt material för en given situation.

Kartan är en stor graf med axlar för strukturell likhet och termoelektrisk prestanda (zT), där varje datapunkt representerar ett material. Liknande material här förekommer i stäng närhet. Eftersom dessa material syntetiseras vanligtvis och utvärderas med liknande metoder och anordningar, gör kartan det möjligt för experimentella att snabbt upptäcka analoger av okända högpresterande material och att omanvända befintliga syntesprotokoll som nästa steg.

På så sätt kan verktyget bidra till att minska utvecklingskostnaderna och påskynda innovation och dess implementering i verkligheten. I framtiden planerar teamet att utöka sitt ramverk bortom termoelektriska material till att omfatta topologiska och magnetiska material och att införliva ytterligare deskriptorer för att skapa en omfattande, AI-assisterad materialdesign. supportplattform.

"Genom att ge en intuitiv överblick över många kandidater hjälper kartan forskare att snabbt välja lovande måltavlor; därför förväntas att avsevärt förkorta utvecklingstiderna för nya funktionella material.”

– Docent Yusuke Hashimoto

Samtidigt utvecklade en studie från Göteborgs universitet en AI-modell till effektivt bestämma styrka och hållbarhet⁸ av vävda kompositmaterial.

Utföra fysiska tester och detaljerade datorsimuleringar att designa nya högkvalitativa kompositmaterial är "särskilt svårt när kompositen är skapad som ett vävt textilfibermaterial, där fibrerna är lindade runt varandra och beter sig olika beroende på de krafter som materialet utsätts för är utsatt till”, konstaterade Ehsan Ghane, doktorand vid institutionen för fysik vid Göteborgs universitet.

Medan datorer redan kan simulera realistiska mikrostrukturer baserade på ett materials interaktioner och påverkan, kräver vävda kompositmaterial fortfarande betydande beräkningsresurser. Neurala nätverk erbjuder ett alternativ, men de kräver stora mängder träningsdata och har svårt att extrapolera., så teamet utvecklade en generaliserad AI-modell som inte kräver lika mycket data.

Modellen har tränats på befintliga simulerings- och testdata för kompositens ingående material, vilket gör det möjligt att förutsäga den nya kompositens hållbarhet..

Medan Göteborgsstudien undersökte metoder för att integrera materiallagar i AI-modellen, har ett forskarteam från KAIST kombinerat fysikaliska lagar med sin AI-modell för att möjliggöra snabb utforskning av nya material även när data är brusig eller begränsad.

Fastighetsidentifiering är en av de nyckel steg i utvecklingen av nya material, men det kräver massiva mängder av experimentella data och dyr utrustning, vilka begränsar forskningseffektivitet. KAIST-teamet övervann det behovet genom att integrera lagarna som styr deformationen och interaktionen mellan material och energi.

Forskarna rapporterade en fysikinformerad neural nätverksteknik (PINN)⁹ att detektera materialegenskaper och deformationsbeteende med endast en liten mängd data från ett enda experiment. Sedan introducerade de en AI-modell, den fysikinformerade neurala operatorn (PINO), som förstår fysikens lagar. och kan generalisera till osynliga material.

MIT-forskare tog det ännu mer genom att utveckla en metod som sammanför information från flera källor¹⁰: litteratur, kemiska sammansättningar, mikrostrukturella bilder och mer. 

Det är en del av den nya Copilot-plattformen för verkliga experimentella forskare (CRESt). Deras metod använder robotutrustning för att möjliggöra högkapacitetstestning av material och matar sedan resultaten tillbaka till stora multimodala modeller för att förbättra sina recept.

Forskarna använde denna "assistent, inte en ersättning, för mänskliga forskare".s," att utforska över 900 kemiska metoder och genomföra 3 500 elektrokemiska tester som ledde till upptäckten av ett katalysatormaterial som levererade rekordhög effekttäthet i en bränslecell för att generera elektricitet.

Investera i framsteg inom materialvetenskap

I materialvetenskapens värld, ATI Inc. (ATI ) är känt för sina tekniskt avancerade specialmaterial och komplexa komponenter. Företaget producerar högpresterande material för flyg-, försvars-, medicin-, elektronik- och energimarknaderna.

ATIs produkter tillverkas av nickelbaserade legeringar och superlegeringar, titan och titanbaserade legeringar samt speciallegeringar. Företaget är verksamt inom två segment:

• Högpresterande material och komponenter (HPMC)
• Avancerade legeringar och lösningar (AA&S)

Med ett börsvärde på 13.5 miljarder dollar handlas ATI-aktier till 99.37 dollar, en ökning med 80.5 % i år. Vinsten per aktie (TTM) är 3.10 och P/E (TTM) är 32.09. Företaget betalar en direktavkastning på 0.32 %.