La composición química de un material por sí sola a veces revela poco sobre sus propiedades. El factor determinante suele ser la disposición de las moléculas en la estructura reticular atómica o en la superficie del material. La ciencia de los materiales utiliza este elemento para crear propiedades específicas aplicando átomos y moléculas individuales a las superficies con la ayuda de microscopios de alto rendimiento. Todavía requiere mucho tiempo y las nanoestructuras construidas son relativamente simples.
Un nuevo grupo de investigación de la Universidad Técnica de Graz quiere llevar la construcción de nanoestructuras a un nuevo nivel utilizando inteligencia artificial: “Queremos desarrollar un sistema de IA con autoaprendizaje que pueda orientarse de forma rápida, específica y en la dirección correcta, y todo esto es completamente independiente”, afirma Oliver Hoffmann, del Instituto de Física del Estado Sólido, que dirige el grupo de investigación. Esto debería permitir la construcción de estructuras moleculares altamente complejas, incluidos circuitos lógicos, en el rango nanométrico. El grupo de investigación “Molecular Arrangement by Artificial Intelligence” recibe una financiación total de 1,19 millones de euros del Fondo Austriaco para la Ciencia.
Posicionamiento mediante un microscopio de efecto túnel
El posicionamiento de moléculas individuales en la superficie del material se realiza mediante un microscopio de efecto túnel. La punta de la sonda emite un impulso eléctrico que recoge una molécula que transporta. “Una persona tarda unos minutos en completar este paso para una molécula simple”, dice Oliver Hoffmann. “Pero para construir estructuras complejas con efectos potencialmente interesantes, es necesario colocar individualmente muchos miles de moléculas complejas y luego comprobar el resultado. Por supuesto, esto lleva un tiempo relativamente largo”.
Sin embargo, un microscopio de efecto túnel también puede controlarse mediante una computadora. El equipo de Oliver Hoffmann ahora quiere utilizar una variedad de métodos de aprendizaje automático para obtener un sistema informático que pueda colocar moléculas de forma independiente en la posición correcta. En primer lugar, los métodos de IA se utilizan para calcular un plan óptimo que describa el enfoque más eficiente y confiable para construir la estructura. Luego, los algoritmos de IA de autoaprendizaje controlan la punta de la sonda para posicionar con precisión las moléculas según el plan. “Colocar moléculas complejas con la mayor precisión es un proceso difícil, porque su alineación siempre está sujeta a un cierto grado de azar, incluso con el mejor control posible”, explica Hoffmann. Los investigadores integrarán este factor de probabilidad condicional en el sistema de inteligencia artificial para que siga funcionando de manera confiable.
Nanoestructuras en forma de puerta
Utilizando un microscopio de efecto túnel controlado por IA que puede funcionar las 24 horas del día, los investigadores quieren crear los llamados corales cuánticos. Se trata de nanoestructuras en forma de puerta que pueden utilizarse para atrapar electrones del material sobre el que se depositan. Las propiedades ondulatorias del electrón conducen a perturbaciones de la mecánica cuántica que pueden explotarse para aplicaciones prácticas. Hasta ahora, los corales cuánticos estaban formados principalmente por átomos individuales. El equipo de Oliver Hoffmann quiere ahora producirlos a partir de moléculas de forma compleja: “Nuestra hipótesis es que esto nos permitirá crear corales cuánticos mucho más diversos y mejorar así significativamente sus efectos”. Los investigadores quieren utilizar estos núcleos cuánticos más complejos para construir circuitos lógicos para estudiar esencialmente cómo funcionan a nivel molecular. En teoría, estos núcleos cuánticos algún día podrían usarse para fabricar chips de computadora.
Experiencia de dos universidades.
Para su programa de cinco años, el grupo de investigación recurre a conocimientos de los campos de la inteligencia artificial, las matemáticas, la física y la química. Bettina Könighofer del Instituto de Seguridad de la Información es responsable del desarrollo del modelo de aprendizaje automático. Su equipo debe garantizar que el sistema de autoaprendizaje no destruya inadvertidamente las nanoestructuras que construye. Josie Behrendt, del Instituto de Matemáticas Aplicadas, determinará las propiedades básicas de la estructura a desarrollar sobre una base teórica, mientras que Markus Eichhorn, del Instituto de Física Teórica, traducirá estas predicciones en aplicaciones prácticas. Leonhard Gerl, del Instituto de Química de la Universidad de Graz, es el principal responsable de los experimentos reales con el microscopio de efecto túnel.
