Empresas Premium
La composición química de un material por sí sola a veces revela poco sobre sus propiedades. El factor decisivo 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 factor para crear determinadas propiedades aplicando átomos y moléculas individuales a superficies con ayuda de microscopios de alto rendimiento. Sin embargo, este proceso requiere mucho tiempo y las nanoestructuras construidas son relativamente sencillas.
Gracias a la inteligencia artificial, un nuevo grupo de investigación de la Universidad Técnica de Graz quiere llevar la construcción de nanoestructuras a un nuevo nivel: "Queremos desarrollar un sistema de inteligencia artificial autodidacta que coloque moléculas individuales de forma rápida, específica y con la orientación correcta, y todo ello de forma completamente autónoma", explica Oliver Hofmann, del Instituto de Física del Estado Sólido, que dirige el grupo de investigación.
"Esto debería permitir construir estructuras moleculares muy complejas, incluidos circuitos lógicos en el rango nanométrico". El grupo de investigación ´Ordenación de moléculas mediante inteligencia artificial´ recibe una financiación de 1,19 millones de euros del Fondo Austriaco para la Ciencia.
El posicionamiento de moléculas individuales en la superficie de un material se lleva a cabo mediante un microscopio de efecto túnel. La punta de la sonda emite un impulso eléctrico para depositar la molécula que lleva. "Una persona necesita unos minutos para completar este paso en el caso de una molécula sencilla", explica Oliver Hofmann. "Pero para construir estructuras complicadas con efectos potencialmente excitantes, hay que colocar individualmente muchos miles de moléculas complejas y comprobar después el resultado. Esto, por supuesto, lleva un tiempo relativamente largo".
Sin embargo, un microscopio de efecto túnel también puede controlarse por ordenador. El equipo de Oliver Hofmann quiere ahora utilizar varios métodos de aprendizaje automático para conseguir que un sistema informático de este tipo coloque las moléculas en la posición correcta de forma independiente. En primer lugar, se utilizan métodos de IA para calcular un plan óptimo que describa el enfoque más eficiente y fiable para construir la estructura.
A continuación, algoritmos de inteligencia artificial autodidactas controlan la punta de la sonda para colocar las moléculas con precisión según el plan. "Colocar moléculas complejas con la máxima precisión es un proceso difícil, ya que su alineación siempre está sujeta a un cierto grado de azar a pesar del mejor control posible", explica Hofmann. Los investigadores integrarán este factor de probabilidad condicional en el sistema de IA para que siga actuando de forma fiable.
Utilizando un microscopio de efecto túnel controlado por IA que puede funcionar las 24 horas del día, los investigadores quieren construir los llamados corrales cuánticos. Se trata de nanoestructuras con forma de compuerta que pueden utilizarse para atrapar electrones del material sobre el que se depositan. Las propiedades ondulatorias de los electrones dan lugar a interferencias mecánico-cuánticas que pueden utilizarse en aplicaciones prácticas. Hasta ahora, los corrales cuánticos se construían principalmente a partir de átomos individuales.
Ahora, el equipo de Oliver Hofmann quiere producirlos a partir de moléculas de formas complejas: "Nuestra hipótesis es que esto nos permitirá construir corrales cuánticos mucho más diversos y así ampliar específicamente sus efectos". Los investigadores quieren utilizar estos corrales cuánticos más complejos para construir circuitos lógicos con el fin de estudiar fundamentalmente cómo funcionan a nivel molecular. En teoría, estos corrales cuánticos podrían utilizarse algún día para construir chips informáticos.
Para su programa quinquenal, el grupo de investigación aúna 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.
Jussi Behrndt, del Instituto de Matemáticas Aplicadas, determinará las propiedades fundamentales de las estructuras que se desarrollen sobre una base teórica, mientras que Markus Aichhorn, del Instituto de Física Teórica, traducirá estas predicciones en aplicaciones prácticas. Leonhard Grill, del Instituto de Química de la Universidad de Graz, es el principal responsable de los experimentos reales en el microscopio de efecto túnel.
