La svolta ha preso d'assalto il campo della fisica della materia condensata. No, non la mania della danza degli anni '60 resa famosa da Chubby Checker, la sorprendente scoperta che due fogli di grafene, un reticolo piatto di carbonio a forma di nido d'ape, potrebbero essere impilati e attorcigliati ai cosiddetti angoli magici per mostrare proprietà molto diverse, compreso il comportamento superconduttore.

Dal 2018, quando è stata pubblicata la prima verifica sperimentale, ricercatori di tutto il mondo hanno esplorato questo sottocampo in rapida espansione della fisica della materia condensata e della scienza dei materiali. Ma quando ci sono milioni di modi diversi per impilare e torcere strati di materiali bidimensionali come il grafene, come fai a sapere in che modo produrrà proprietà interessanti?

È qui che entrano in gioco due recenti articoli di ricerca della Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) e del Dipartimento di Fisica. Primo autore delle pubblicazioni Georgios Tritsaris, ricercatore presso SEAS, con il gruppo di ricerca di Efthimios Kaxiras, il John Hasbrouck Van Vleck Professor of Pure and Applied Physics nel Dipartimento di Fisica e Direttore dell'Institute for Applied Computational Science in SEAS, ha progettato un sistema computazionale per lo screening di pile di grafene multistrato attorcigliate per gli angoli di torsione associati a proprietà elettroniche potenzialmente interessanti.

L'approccio può identificare nanostrutture con proprietà su misura che potrebbero aiutare ad accelerare lo sviluppo e la commercializzazione di tecnologie quantistiche e di altro tipo.

Gli articoli di ricerca sono stati pubblicati in Materiali 2-D e il Journal of Chemical Information and Modeling .

La ricerca si basa sull'esperienza del team nella modellazione dei materiali e nell'apprendimento automatico, e il suo precedente lavoro in questo campo emergente, chiamato twistronico. Il termine twistronics è stato introdotto per la prima volta dal Kaxiras Research Group in precedenti studi teorici sul grafene a strati. Si riferisce alla capacità di sintonizzare le proprietà elettriche dei materiali bidimensionali attraverso una rotazione tra strati successivi.

"Oltre ad aumentare la nostra conoscenza teorica del grafene stratificato arbitrariamente, un obiettivo importante era ridurre al minimo la necessità di tempo, sperimentazione per tentativi ed errori poiché ottenere una configurazione ad angolo magico in laboratorio rimane uno sforzo scrupoloso, " ha detto Tritsaris. "Volevamo sviluppare un sistema automatizzato che uno sperimentatore, ingegnere, o forse un algoritmo, potrebbe utilizzare per rispondere rapidamente alla domanda, è probabile che questa configurazione a strati sia interessante o meno."

Fare quello, il team ha sfruttato le conoscenze esistenti su questi materiali. Le proprietà elettriche del materiale sono determinate da come l'energia degli elettroni attraverso gli strati varia in funzione del loro momento. Un indicatore del fatto che una configurazione attorcigliata mostrerà o meno fenomeni elettronici interessanti è se l'energia di un singolo elettrone in presenza di altri elettroni può essere limitata a una finestra stretta, dando luogo a bande quasi piatte nei grafici dei livelli di energia elettronica.

Per cercare queste bande piatte per una data configurazione, i ricercatori hanno utilizzato un supercomputer per eseguire calcoli accurati dei livelli energetici consentiti degli elettroni, combinato con un algoritmo di visione artificiale comunemente usato nei veicoli autonomi per individuare oggetti piatti come divisori di corsia. Il team di ricerca ha utilizzato l'approccio per ordinare rapidamente pile di grafene fino a dieci strati.

"Automando la raccolta e l'analisi dei dati e utilizzando l'apprendimento automatico per creare visualizzazioni informative dell'intero database, siamo stati in grado di cercare pile di grafene multistrato ad angolo magico in un modo efficiente in termini di risorse, " ha affermato Tritsaris. "Il nostro approccio semplificato è applicabile anche a materiali a strati bidimensionali oltre al grafene".

Approcci incentrati sui dati per la scoperta e l'ottimizzazione dei materiali sono già utilizzati in una vasta gamma di campi, anche nei prodotti farmaceutici per identificare nuovi bersagli farmacologici e nell'elettronica di consumo per trovare nuovi diodi organici a emissione di luce (OLED) per gli schermi TV.

"Non è sempre semplice come sfruttare al meglio il data mining e l'apprendimento automatico per la ricerca sui materiali, poiché i ricercatori hanno spesso a che fare con dati sparsi e ad alta dimensionalità, e le soluzioni tendono ad essere specifiche del dominio. Volevamo condividere i nostri risultati per aumentare la fiducia nella combinazione di modelli basati sulla fisica e basati sui dati, in un modo che sarà interessante e utile per scienziati e tecnologi nel campo dei materiali bidimensionali, " disse Tritsaris.