17 feb. 1999
3 minuten
Een team onderzoekers van de TU Delft is erin geslaagd een van ‘s werelds meest precieze microchipsensoren te ontwerpen; het apparaat kan functioneren bij kamertemperatuur, een ‘heilige graal’ voor kwantumtechnologieën en detectie. Door een combinatie van nanotechnologie en machine learning met spinnenwebben als inspiratie, zijn ze erin geslaagd een nanomechanische sensor te laten trillen in extreme isolatie van alledaagse ruis.
De doorbraak, die is gepubliceerd in de Rising Stars Issue van Advanced Materials , heeft grote implicaties voor de studie van zwaartekracht en donkere materie, alsook op het gebied van kwantuminternet, navigatie en detectie.
Een van de grootste uitdagingen bij het bestuderen van vibrerende objecten op de kleinste schaal, zoals die worden gebruikt in sensoren of kwantumhardware, is hoe te voorkomen dat omgevingsgeluiden interfereren met hun fragiele toestand. Kwantumhardware wordt bijvoorbeeld gewoonlijk bewaard bij temperaturen die het absolute nulpunt benaderen. Onderzoekers van de TU Delft creëerden een webvormige microchipsensor die extreem goed resoneert, geïsoleerd van kamertemperatuurruis. Naast andere toepassingen zal hun ontdekking het bouwen van kwantumapparaten veel betaalbaarder maken.
Meeliften op de evolutie
Richard Norte en Miguel Bessa, die het onderzoek leidden, waren op zoek naar nieuwe manieren om nanotechnologie en machine learning te combineren. Hoe kwamen ze op het idee om spinnenwebben als model te gebruiken? Norte: "Ik deed dit werk al een decennium toen ik tijdens een lockdown een heleboel spinnenwebben opmerkte op mijn terras. Ik realiseerde me dat spinnenwebben echt goede trillingsdetectoren zijn, in die zin dat ze trillingen binnen het web willen meten om hun prooi te vinden, maar niet daarbuiten, zoals de wind door een boom. Dus waarom niet meeliften op miljoenen jaren evolutie en een spinnenweb gebruiken als een eerste model voor een ultragevoelig apparaat?"
Omdat het team niets wist over de complexiteit van spinnenwebben, lieten ze het ontdekkingsproces leiden door machine learning. Bessa: "We wisten dat de experimenten en simulaties kostbaar en tijdrovend waren, dus besloten we met mijn groep een algoritme te gebruiken dat Bayesiaanse optimalisatie heet, om met maar weinig pogingen een goed ontwerp te vinden." Dongil Shin, mede-eerste auteur in dit werk, implementeerde vervolgens het computermodel en paste het machine-learning algoritme toe om het nieuwe ontwerp te vinden voor het apparaat.
Microchipsensor gebaseerd op spinnenwebben
Tot verrassing van de onderzoeker stelde het algoritme uit 150 verschillende spinnenwebontwerpen een relatief eenvoudig spinnenweb voor, dat bestaat uit slechts zes slierten die op een bedrieglijk eenvoudige manier aan elkaar vast zitten. Bessa: "Uit Dongils computersimulaties bleek dat dit apparaat zou kunnen werken bij kamertemperatuur, waarbij atomen veel trillen, maar er toch ongelooflijk weinig energie de omgeving in weglekt – een hogere kwaliteitsfactor dus. Met machine learning en optimalisatie slaagden we erin Richard’s spinnenwebconcept aan te passen richting deze veel betere kwaliteitsfactor."
Op basis van dit ontwerp bouwde Andrea Cupertino, mede-eerste auteur, een microchipsensor met een ultradunne, nanometer-dikke film van het keramische materiaal siliciumnitride. Ze testten het model door het ‘web’ van de microchip krachtig te laten trillen en de tijd te meten die nodig is om de trillingen te stoppen. Het resultaat was spectaculair: een recordbrekende geïsoleerde trilling bij kamertemperatuur. Norte: "We vonden bijna geen energieverlies buiten ons microchip-web: de trillingen bewegen in een cirkel aan de binnenkant en raken de buitenkant niet. Dit is een beetje alsof je iemand één zetje geeft op een schommel, en hem bijna een eeuw lang laat door schommelen zonder te stoppen."
Anderen lazen ook
