Un esperimento più veloce per trovare e studiare materiali topologici
Utilizzando l’apprendimento automatico e semplici spettri di raggi X, i ricercatori possono scoprire composti che potrebbero abilitare chip per computer o dispositivi quantistici di prossima generazione.
I materiali topologici, una classe esotica di materiali le cui superfici mostrano proprietà elettriche o funzionali diverse rispetto ai loro interni, sono stati un’area di ricerca calda sin dalla loro realizzazione sperimentale nel 2007, una scoperta che ha innescato ulteriori ricerche e ha portato al Premio Nobel per la fisica nel 2016. Si pensa che questi materiali abbiano un grande potenziale in una varietà di campi e un giorno potrebbero essere utilizzati in dispositivi elettronici o ottici ultraefficienti o componenti chiave dei computer quantistici.
Ma ci sono molte migliaia di composti che possono teoricamente avere caratteristiche topologiche e sintetizzare e testare anche uno di questi materiali per determinarne le proprietà topologiche può richiedere mesi di esperimenti e analisi. Ora un team di ricercatori del MIT e altrove ha escogitato un nuovo approccio in grado di selezionare rapidamente i materiali candidati e determinare con una precisione superiore al 90% se sono topologici.
Utilizzando questo nuovo metodo, i ricercatori hanno prodotto un elenco di materiali candidati. Alcuni di questi erano già noti per avere proprietà topologiche, ma il resto è stato previsto di recente da questo approccio.
I risultati sono riportati sulla rivista Advanced Materials in un articolo di Mingda Li, il Professore di sviluppo professionale della classe ’47 al MIT, gli studenti laureati (e sorelle gemelle) Nina Andrejevic al MIT e Jovana Andrejevic all’Università di Harvard e altri sette al MIT, Harvard, Princeton University e Argonne National Laboratory.
I materiali topologici prendono il nome da una branca della matematica che descrive le forme in base alle loro caratteristiche invarianti, che persistono indipendentemente da quanto un oggetto sia continuamente allungato o spremuto dalla sua forma originale. I materiali topologici, allo stesso modo, hanno proprietà che rimangono costanti nonostante i cambiamenti nelle loro condizioni, come perturbazioni esterne o impurità.
Esistono diverse varietà di materiali topologici, inclusi semiconduttori, conduttori e semimetalli, tra gli altri. Inizialmente, si pensava che esistessero solo una manciata di tali materiali, ma recenti teorie e calcoli hanno previsto che in realtà migliaia di composti diversi potrebbero avere almeno alcune caratteristiche topologiche. La parte difficile è capire sperimentalmente quali composti possono essere topologici.
Le applicazioni per tali materiali abbracciano un’ampia gamma, compresi dispositivi che potrebbero svolgere funzioni di calcolo e archiviazione dati simili ai dispositivi a base di silicio ma con una perdita di energia molto inferiore, o dispositivi per raccogliere elettricità in modo efficiente dal calore di scarto, ad esempio nelle centrali termoelettriche o in dispositivi elettronici. I materiali topologici possono anche avere proprietà superconduttive, che potrebbero essere potenzialmente utilizzate per costruire i bit quantistici per i computer quantistici topologici.
Ma tutto questo si basa sullo sviluppo o sulla scoperta dei materiali giusti. “Per studiare un materiale topologico, devi prima confermare se il materiale è topologico o meno”, dice Li, “e quella parte è un problema difficile da risolvere in modo tradizionale”. Un metodo chiamato teoria del funzionale della densità viene utilizzato per eseguire i calcoli iniziali, che devono quindi essere seguiti da esperimenti complessi che richiedono di tagliare un pezzo del materiale a una planarità a livello atomico e di sondarlo con strumenti in condizioni di alto vuoto. “La maggior parte dei materiali non può nemmeno essere misurata a causa di varie difficoltà tecniche”, afferma Nina Andrejevic. Ma per quelli che possono, il processo può richiedere molto tempo. “È una procedura davvero scrupolosa”, dice.
Mentre l’approccio tradizionale si basa sulla misurazione delle fotoemissioni del materiale o degli elettroni tunneling, spiega Li, la nuova tecnica sviluppata da lui e dal suo team si basa sull’assorbimento, in particolare sul modo in cui il materiale assorbe i raggi X. A differenza dei costosi apparati necessari per i test convenzionali, gli spettrometri di assorbimento di raggi X sono prontamente disponibili e possono funzionare a temperatura ambiente e pressione atmosferica, senza bisogno di vuoto. Tali misurazioni sono ampiamente condotte in biologia, chimica, ricerca sulle batterie e molte altre applicazioni, ma in precedenza non erano state applicate all’identificazione di materiali quantistici topologici.
La spettroscopia di assorbimento dei raggi X fornisce dati spettrali caratteristici da un dato campione di materiale. La prossima sfida è interpretare quei dati e come si collegano alle proprietà topologiche. Per questo, il team si è rivolto a un modello di apprendimento automatico, alimentando una raccolta di dati sugli spettri di assorbimento dei raggi X di materiali topologici e non topologici noti e addestrando il modello per trovare i modelli che li mettono in relazione. E in effetti ha trovato tali correlazioni.
“Sorprendentemente, questo approccio era accurato oltre il 90 percento quando testato su più di 1500 materiali conosciuti”, afferma Nina Andrejevic, aggiungendo che le previsioni richiedono solo pochi secondi. “Questo è un risultato entusiasmante data la complessità del processo convenzionale”.
Sebbene il modello funzioni, come per molti risultati dell’apprendimento automatico, i ricercatori non sanno ancora esattamente perché funzioni o quale sia il meccanismo sottostante che collega l’assorbimento dei raggi X alle proprietà topologiche. “Sebbene la funzione appresa che correla gli spettri dei raggi X alla topologia sia complessa, il risultato potrebbe suggerire che alcuni attributi a cui la misurazione è sensibile, come le strutture atomiche locali, sono indicatori topologici chiave”, afferma Jovana Andrejevic.
Il team ha utilizzato il modello per costruire una tavola periodica che mostra l’accuratezza complessiva del modello sui composti composti da ciascuno degli elementi. Serve come strumento per aiutare i ricercatori a individuare famiglie di composti che possono offrire le caratteristiche giuste per una determinata applicazione. I ricercatori hanno anche prodotto uno studio preliminare sui composti su cui hanno utilizzato questo metodo a raggi X, senza una conoscenza anticipata del loro stato topologico, e hanno compilato un elenco di 100 promettenti materiali candidati, alcuni dei quali erano già noti per essere topologici.
Il team di ricerca comprendeva Andrei Bernevig e Nicolas Regnault all’Università di Princeton, Fei Han e Thanh Nguyen e Nathan Drucker al MIT, Chris Rycroft all’Università di Harvard e Gilberto Fabbris all’Argonne National Laboratory. Il lavoro è stato sostenuto dal Dipartimento dell’Energia degli Stati Uniti e dalla National Science Foundation.
###
Scritto da David L. Chandler, MIT News Office
“Indicatori spettrali della topologia di apprendimento automatico”
