De twist heeft het veld van de fysica van de gecondenseerde materie stormenderhand veroverd. Nee, niet de dansrage uit de jaren 60 die beroemd werd door Chubby Checker - de verbluffende ontdekking dat twee vellen grafeen, een plat honingraatvormig rooster van koolstof, kan worden gestapeld en gedraaid onder zogenaamde magische hoeken om enorm verschillende eigenschappen te vertonen, inclusief supergeleidend gedrag.

Sinds 2018, toen de eerste experimentele verificatie werd gepubliceerd, onderzoekers over de hele wereld hebben dit snelgroeiende deelgebied van de fysica van de gecondenseerde materie en de materiaalwetenschap verkend. Maar als er miljoenen verschillende manieren zijn om lagen van tweedimensionale materialen zoals grafeen te stapelen en te draaien, hoe weet je welke weg interessante eigenschappen oplevert?

Dat is waar twee recente onderzoeksartikelen van de Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) en het Department of Physics om de hoek komen kijken. Eerste auteur van de publicaties Georgios Tritsaris, een onderzoekswetenschapper bij SEAS, met de onderzoeksgroep van Efthimios Kaxiras, de John Hasbrouck Van Vleck Professor of Pure and Applied Physics in het Department of Physics en directeur van het Institute for Applied Computational Science in SEAS, ontwierp een computersysteem om gedraaide meerlaagse grafeenstapels te screenen op draaihoeken die verband houden met potentieel interessante elektronische eigenschappen.

De aanpak kan nanostructuren identificeren met op maat gemaakte eigenschappen die de ontwikkeling en commercialisering van kwantum- en andere technologieën kunnen helpen versnellen.

De onderzoeksartikelen zijn gepubliceerd in 2D-materialen en de Tijdschrift voor chemische informatie en modellering .

Het onderzoek bouwt voort op de expertise van het team op het gebied van materiaalmodellering en machine learning, en zijn eerdere werk op dit opkomende gebied, genaamd twistronics. De term twistronics werd voor het eerst geïntroduceerd door de Kaxiras Research Group in eerdere theoretische studies van gelaagd grafeen. Het verwijst naar het vermogen om de elektrische eigenschappen van tweedimensionale materialen af ​​te stemmen door een rotatie tussen opeenvolgende lagen.

"Naast het vergroten van onze theoretische kennis van willekeurig gelaagde grafeen, een belangrijk doel was om de behoefte aan tijdrovende, proefondervindelijk experimenteren, aangezien het bereiken van een magische hoekconfiguratie in het laboratorium een ​​moeizame onderneming blijft, " zei Tritsaris. "We wilden een geautomatiseerd systeem ontwikkelen dat een experimentator, ingenieur, of misschien een algoritme, zou kunnen gebruiken om de vraag snel te beantwoorden, is deze gelaagde configuratie waarschijnlijk interessant of niet?"

Om dat te doen, het team maakte gebruik van bestaande kennis over deze materialen. De elektrische eigenschappen van het materiaal worden bepaald door hoe de energie van elektronen door de lagen varieert als functie van hun momentum. Een indicator of een gedraaide configuratie al dan niet interessante elektronische verschijnselen zal vertonen, is of de energie van een enkel elektron in de aanwezigheid van andere elektronen kan worden beperkt tot een smal venster, waardoor bijna vlakke banden ontstaan ​​in de grafieken van elektronische energieniveaus.

Om deze platte banden voor een bepaalde configuratie te zoeken, gebruikten de onderzoekers een supercomputer om nauwkeurige berekeningen uit te voeren van de toegestane energieniveaus van elektronen, gecombineerd met een computer vision-algoritme dat vaak wordt gebruikt in autonome voertuigen om vlakke objecten zoals rijstrookscheidingen te herkennen. Het onderzoeksteam gebruikte de aanpak om snel stapels grafeen tot tien lagen te doorzoeken.

"Door het verzamelen en analyseren van gegevens te automatiseren en machine learning te gebruiken om informatieve visualisaties van de hele database te maken, we konden zoeken naar meerlaagse grafeenstapels met magische hoeken op een hulpbronneneffectieve manier, "zei Tritsaris. "Onze gestroomlijnde aanpak is ook toepasbaar op tweedimensionale gelaagde materialen buiten grafeen."

Datacentrische benaderingen voor de ontdekking en optimalisatie van materialen worden al gebruikt in een groot aantal gebieden, onder meer in geneesmiddelen om nieuwe doelwitten voor geneesmiddelen te identificeren en in consumentenelektronica om nieuwe organische lichtgevende diodes (OLED's) voor tv-schermen te vinden.

"Het is niet altijd eenvoudig hoe je datamining en machine learning het beste kunt inzetten voor materiaalonderzoek, aangezien onderzoekers vaak te maken hebben met schaarse en hoogdimensionale gegevens, en oplossingen zijn meestal domeinspecifiek. We wilden onze bevindingen delen om het vertrouwen in het combineren van op fysica gebaseerde en datagestuurde modellen te vergroten, op een manier die interessant en nuttig zal zijn voor wetenschappers en technologen op het gebied van tweedimensionale materialen, ' zei Tritsaris.