El giro ha tomado por asalto el campo de la física de la materia condensada. No, no la locura de la danza de la década de 1960 que hizo famosa Chubby Checker:el sorprendente descubrimiento de que dos hojas de grafeno, una celosía plana de carbono en forma de panal, podría apilarse y retorcerse en los llamados ángulos mágicos para exhibir propiedades muy diferentes, incluido el comportamiento superconductor.

Desde 2018, cuando se publicó la primera verificación experimental, investigadores de todo el mundo han estado explorando este subcampo en rápida expansión de la física de la materia condensada y la ciencia de los materiales. Pero cuando hay millones de formas diferentes de apilar y torcer capas de materiales bidimensionales como el grafeno, ¿Cómo sabe qué camino producirá propiedades interesantes?

Ahí es donde entran dos artículos de investigación recientes de la Escuela de Ingeniería y Ciencias Aplicadas (SEAS) de Harvard John A. Paulson y el Departamento de Física. Primer autor de las publicaciones Georgios Tritsaris, un becario de investigación en SEAS, con el grupo de investigación de Efthimios Kaxiras, el Profesor John Hasbrouck Van Vleck de Física Pura y Aplicada en el Departamento de Física y Director del Instituto de Ciencias Computacionales Aplicadas en SEAS, diseñó un sistema computacional para filtrar pilas de grafeno multicapa retorcidas en busca de ángulos de torsión asociados con propiedades electrónicas potencialmente interesantes.

El enfoque puede identificar nanoestructuras con propiedades personalizadas que podrían ayudar a acelerar el desarrollo y la comercialización de tecnologías cuánticas y de otro tipo.

Los artículos de investigación fueron publicados en Materiales 2-D y el Revista de información y modelado químico .

La investigación se basa en la experiencia del equipo en modelado de materiales y aprendizaje automático, y su trabajo previo en este campo emergente, llamado twistronics. El término twistronics fue introducido por primera vez por el Grupo de Investigación Kaxiras en estudios teóricos anteriores de grafeno en capas. Se refiere a la capacidad de ajustar las propiedades eléctricas de materiales bidimensionales mediante una rotación entre capas sucesivas.

"Además de aumentar nuestro conocimiento teórico del grafeno en capas arbitrarias, un objetivo importante era minimizar la necesidad de la experimentación de prueba y error, ya que lograr una configuración de ángulo mágico en el laboratorio sigue siendo un esfuerzo minucioso, ", dijo Tritsaris." Queríamos desarrollar un sistema automatizado que un experimentador, ingeniero, o quizás un algoritmo, podría utilizar para responder rápidamente a la pregunta, ¿Es probable que esta configuración en capas sea interesante o no? ".

Para hacer eso, el equipo aprovechó el conocimiento existente sobre estos materiales. Las propiedades eléctricas del material están determinadas por cómo varía la energía de los electrones a lo largo de las capas en función de su momento. Un indicador de si una configuración retorcida exhibirá o no fenómenos electrónicos interesantes es si la energía de un solo electrón en presencia de otros electrones puede limitarse a una ventana estrecha, dando lugar a bandas casi planas en las gráficas de los niveles de energía electrónica.

Para buscar estas bandas planas para una configuración dada, los investigadores utilizaron una supercomputadora para realizar cálculos precisos de los niveles de energía permitidos de los electrones, combinado con un algoritmo de visión por computadora que se usa comúnmente en vehículos autónomos para detectar objetos planos como divisores de carril. El equipo de investigación utilizó el enfoque para clasificar rápidamente pilas de grafeno de hasta diez capas.

"Automatizando la recopilación y el análisis de datos y utilizando el aprendizaje automático para crear visualizaciones informativas de toda la base de datos, pudimos buscar pilas de grafeno multicapa con ángulos mágicos de una manera rentable, ", dijo Tritsaris." Nuestro enfoque simplificado también es aplicable a materiales en capas bidimensionales más allá del grafeno ".

Los enfoques centrados en datos para el descubrimiento y la optimización de materiales ya se están utilizando en una variedad de campos, incluso en productos farmacéuticos para identificar nuevos objetivos de medicamentos y en productos electrónicos de consumo para encontrar nuevos diodos emisores de luz orgánicos (OLED) para pantallas de televisión.

"No siempre es sencillo aprovechar mejor la minería de datos y el aprendizaje automático para la investigación de materiales, dado que los investigadores a menudo tratan con datos escasos y de gran dimensión, y las soluciones tienden a ser específicas de dominio. Queríamos compartir nuestros hallazgos para aumentar la confianza en la combinación de modelos basados ​​en la física y basados ​​en datos, de una manera que será interesante y útil para los científicos y tecnólogos en el campo de los materiales bidimensionales, "dijo Tritsaris.