Le scoperte nel campo della nanofotonica - come si comporta la luce su scala nanometrica - hanno aperto la strada all'invenzione di "metamateriali, "materiali artificiali che hanno applicazioni enormi, dal rilevamento remoto su nanoscala alla raccolta di energia e alla diagnostica medica. Ma il loro impatto sulla vita quotidiana è stato ostacolato da un complicato processo di produzione con ampi margini di errore.
Ora un nuovo studio interdisciplinare dell'Università di Tel Aviv pubblicato su Luce:scienza e applicazioni dimostra un modo per snellire il processo di progettazione e caratterizzazione nanofotonica di base, elementi metamateriali. Lo studio è stato condotto dal Dr. Haim Suchowski della School of Physics and Astronomy della TAU e dal Prof. Lior Wolf della Blavatnik School of Computer Science della TAU e condotto dal ricercatore Dr. Michael Mrejen e dagli studenti laureati della TAU Itzik Malkiel, Achiya Nagler e Uri Arieli.
"Il processo di progettazione dei metamateriali consiste nell'incidere elementi su scala nanometrica con una precisa risposta elettromagnetica, " dice il dottor Mrejen. "Ma a causa della complessità della fisica coinvolta, il design, i processi di fabbricazione e caratterizzazione di questi elementi richiedono un'enorme quantità di tentativi ed errori, limitando drasticamente le loro applicazioni."
Deep Learning una chiave per la produzione di precisione
"Il nostro nuovo approccio dipende quasi interamente dal Deep Learning, una rete di computer ispirata all'architettura stratificata e gerarchica del cervello umano, " Spiega il Prof. Wolf. "È una delle forme più avanzate di machine learning, responsabile di importanti progressi tecnologici, compreso il riconoscimento vocale, traduzione ed elaborazione delle immagini. Abbiamo pensato che sarebbe stato l'approccio giusto per progettare nanofotonici, elementi metamateriali".
Gli scienziati hanno alimentato una rete di Deep Learning con 15, 000 esperimenti artificiali per insegnare alla rete la complessa relazione tra le forme dei nanoelementi e le loro risposte elettromagnetiche. "Abbiamo dimostrato che una rete di Deep Learning "addestrata" può prevedere, in una frazione di secondo, la geometria di una nanostruttura fabbricata, " dice il dottor Suchowski.
I ricercatori hanno anche dimostrato che il loro approccio produce con successo il nuovo design di nanoelementi che possono interagire con specifiche sostanze chimiche e proteine.
Risultati ampiamente applicabili
"Questi risultati sono ampiamente applicabili a così tanti campi, compresa la spettroscopia e la terapia mirata, cioè., la progettazione efficiente e rapida di nanoparticelle in grado di colpire proteine dannose, " dice il dottor Suchowski. "Per la prima volta, una nuova rete neurale profonda, addestrato con migliaia di esperimenti sintetici, non solo è stato in grado di determinare le dimensioni di oggetti di dimensioni nanometriche, ma è stato anche in grado di consentire la progettazione e la caratterizzazione rapida di elementi ottici basati sulla metasuperficie per sostanze chimiche e biomolecole mirate.
"La nostra soluzione funziona anche al contrario. Una volta fabbricata una forma, di solito ci vogliono attrezzature costose e tempo per determinare la forma precisa che è stata effettivamente fabbricata. La nostra soluzione basata su computer lo fa in una frazione di secondo sulla base di una semplice misurazione della trasmissione."
I ricercatori, che hanno anche scritto un brevetto sul loro nuovo metodo, stanno attualmente espandendo i loro algoritmi di Deep Learning per includere la caratterizzazione chimica delle nanoparticelle.
