Los avances en el campo de la nanofotónica (cómo se comporta la luz en la escala nanométrica) han allanado el camino para la invención de "metamateriales, "materiales artificiales que tienen enormes aplicaciones, desde la detección remota a nanoescala hasta la recolección de energía y el diagnóstico médico. Pero su impacto en la vida diaria se ha visto obstaculizado por un proceso de fabricación complicado con grandes márgenes de error.
Ahora, un nuevo estudio interdisciplinario de la Universidad de Tel Aviv publicado en Luz:ciencia y aplicaciones demuestra una forma de agilizar el proceso de diseño y caracterización nanofotónica básica, elementos metamateriales. El estudio fue dirigido por el Dr. Haim Suchowski de la Escuela de Física y Astronomía de TAU y el profesor Lior Wolf de la Escuela de Ciencias de la Computación Blavatnik de TAU y realizado por el científico investigador Dr. Michael Mrejen y los estudiantes graduados de TAU Itzik Malkiel. Achiya Nagler y Uri Arieli.
"El proceso de diseño de metamateriales consiste en tallar elementos a nanoescala con una respuesta electromagnética precisa, "Dice el Dr. Mrejen." Pero debido a la complejidad de la física involucrada, el diseño, Los procesos de fabricación y caracterización de estos elementos requieren una gran cantidad de prueba y error, limitando drásticamente sus aplicaciones ".
Deep Learning, clave para la fabricación de precisión
"Nuestro nuevo enfoque depende casi por completo del aprendizaje profundo, una red informática inspirada en la arquitectura jerárquica y en capas del cerebro humano, "Explica el profesor Wolf." Es una de las formas más avanzadas de aprendizaje automático, responsable de los principales avances en tecnología, incluido el reconocimiento de voz, traducción y procesamiento de imágenes. Pensamos que sería el enfoque correcto para diseñar nanofotónicos, elementos metamateriales ".
Los científicos alimentaron una red de Deep Learning con 15, 000 experimentos artificiales para enseñar a la red la compleja relación entre las formas de los nanoelementos y sus respuestas electromagnéticas. "Demostramos que una red de aprendizaje profundo 'capacitada' puede predecir, en una fraccion de segundo, la geometría de una nanoestructura fabricada, "Dice el Dr. Suchowski.
Los investigadores también demostraron que su enfoque produce con éxito el diseño novedoso de nanoelementos que pueden interactuar con sustancias químicas y proteínas específicas.
Resultados ampliamente aplicables
"Estos resultados son ampliamente aplicables a muchos campos, incluyendo espectroscopia y terapia dirigida, es decir., el diseño eficiente y rápido de nanopartículas capaces de atacar proteínas maliciosas, "dice el Dr. Suchowski." Por primera vez, una novedosa red neuronal profunda, entrenado con miles de experimentos sintéticos, no solo pudo determinar las dimensiones de objetos de tamaño nanométrico, sino que también fue capaz de permitir el diseño y la caracterización rápidos de elementos ópticos basados en metasuperficies para sustancias químicas y biomoléculas específicas.
"Nuestra solución también funciona al revés. Una vez que se fabrica una forma, Por lo general, se necesitan equipos costosos y tiempo para determinar la forma precisa que realmente se ha fabricado. Nuestra solución basada en computadora lo hace en una fracción de segundo basándose en una simple medición de transmisión ".
Los investigadores, que también han escrito una patente sobre su nuevo método, actualmente están ampliando sus algoritmos de Deep Learning para incluir la caracterización química de nanopartículas.