Hal ini memungkinkan arah baru pengembangan chip generasi berikutnya dan sel surya dengan memanfaatkan deformasi yang dapat dikontrol yang dapat mengubah sifat material dengan cepat.
Bahan pada skala nano dapat menahan deformasi besar. Dalam apa yang disebut keadaan tegang, mereka dapat menunjukkan sifat optik, termal, elektronik, dan lainnya yang luar biasa karena perubahan jarak antar atom.
Sifat intrinsik dari bahan yang tegang dapat berubah, dengan silikon semikonduktor, misalnya, berubah menjadi bahan yang menghantarkan arus listrik secara bebas.
Selain itu, dengan memvariasikan tingkat regangan, seseorang dapat mengubah properti ini sesuai permintaan. Gagasan itu telah memunculkan seluruh bidang penyelidikan: rekayasa regangan elastis, atau ESE.
Pendekatan ini dapat digunakan, misalnya, untuk memodifikasi kinerja semikonduktor, memberikan solusi potensial untuk batas hukum Moore yang akan datang, ketika kami menghabiskan opsi kami yang lain untuk meningkatkan kinerja chip.
Aplikasi lain yang mungkin terletak dalam bidang pengembangan sel surya. Seperti yang dijelaskan oleh rekan penulis studi Alexander Shapeev dari Skoltech, seseorang dapat merancang sel surya dengan sifat merdu yang dapat diubah sesuai permintaan untuk memaksimalkan kinerja dan beradaptasi dengan keadaan eksternal.
Dalam penelitian mereka sebelumnya, lulusan PhD Skoltech Evgenii Tsymbalov, Associate Professor Alexander Shapeev, dan rekan-rekan mereka menggunakan ESE untuk mengubah jarum berlian skala nano dari isolasi menjadi sangat konduktif dan mirip logam, memberikan wawasan tentang berbagai kemungkinan dengan teknologi ini. teknologi. Kini, tim tersebut telah memperkenalkan arsitektur jaringan saraf konvolusional yang dapat memandu upaya ESE untuk semikonduktor.
“Jaringan saraf yang telah kami rancang mengambil tensor regangan sebagai input dan memprediksi struktur pita elektronik — 'snapshot' fisik yang menggambarkan sifat elektronik dari bahan yang diregangkan. Ini kemudian dapat digunakan untuk menghitung properti apa pun yang menarik, termasuk celah pita, propertinya, dan tensor massa efektif elektron, ”kata Shapeev.
Karya ini melanjutkan penelitian sebelumnya dan mengembangkannya. “Kami melampaui pendekatan yang digunakan sebelumnya dengan merancang dan menerapkan model yang disesuaikan berdasarkan arsitektur jaringan saraf convolutional, untuk tugas ESE,” kata Tsymbalov. “Kami juga mempertimbangkan sifat fisik dan simetri untuk meningkatkan model.”
Pendekatan ini menggabungkan berbagai sumber data, misalnya yang murah namun tidak akurat secara komputasi dengan yang tepat tetapi mahal untuk meningkatkan akurasi dan konvergensi model. “Fitur lain yang berbeda adalah pembelajaran aktif – kami mengizinkan model untuk menebak data apa yang mungkin paling berguna untuk diperoleh pada tahap pelatihan berikutnya, dan menggunakannya untuk pelatihan. Pada tahap akhir, jaringan dilatih pada satu set data komputasi yang mahal dari perhitungan berbasis GW yang sangat akurat, dan prosedur ini memungkinkan kami untuk mengurangi jumlah komputasi yang diperlukan,” tambah Tsymbalov.
Tim mencatat bahwa jaringan saraf barunya "lebih fleksibel, akurat, dan efisien dalam kapasitasnya untuk memfasilitasi pembelajaran mendalam yang otonom dari struktur pita elektronik padatan kristal" daripada solusi canggih. Ini membuatnya lebih cepat dan lebih akurat dalam pencarian dan pengoptimalan dalam ruang regangan, yang mengarah ke nilai regangan optimal untuk angka prestasi tertentu.
Dalam pekerjaan mereka sebelumnya, para peneliti menguji iterasi model sebelumnya dalam skenario percobaan in situ berulang pada berlian. “Sayangnya, untuk saat ini tidak ada perangkat yang dapat mengubah bentuk berlian dengan tensor deformasi 6D yang berubah-ubah, namun ada tim dan laboratorium yang mengejar arah ini dari sudut pandang eksperimental,” komentar Tsymbalov.
Studi ini merupakan bagian dari kolaborasi selama setahun antara Skoltech, Massachusetts Institute of Technology, dan Nanyang Technological University, dengan para ilmuwan Skoltech yang berfokus pada aspek komputasi dan pembelajaran mesin dan rekan-rekan mereka yang bertanggung jawab atas komponen fisik pekerjaan.
“Saat ini kami sedang mengerjakan makalah kami berikutnya, yang dikhususkan untuk batas regangan elastis yang dapat diterima. Ini adalah topik penting karena batas teoritis deformasi elastis yang aman untuk ESE belum ditemukan,” simpul peneliti.