Una pionieristica piattaforma di progettazione svela nuove strutture topologiche
Negli ultimi decenni i materiali topologici hanno conquistato il mondo della fisica e dell’ingegneria, ed assistiamo a un’incessante scoperta di nuovi materiali esotici le cui proprietà rimangono invariate in condizioni di continue torsioni, flessioni o altre deformazioni. Un tempo ritenuti insoliti, i materiali topologici sono onnipresenti in natura e annoverano materiali elettronici, ottici e meccanici. I metamateriali meccanici topologici, e più in generale gli aspetti topologici dei sistemi di materia condensata, sono una vivace area di ricerca emergente. Accelerarne la scoperta e l’applicazione richiede approcci progettuali innovativi. Il progetto TopMechMat, finanziato dall’UE, si è prefisso di sfruttare le potenzialità degli algoritmi genetici nell’esecuzione di scansioni di parametri su larga scala, necessarie per i nuovi algoritmi di progettazione.
Chimica quantistica topologica e algoritmi genetici
Secondo il coordinatore del progetto Sebastian Huber dell’ETH Zürich, l’università che ha ospitato il progetto: «La caratteristica chiave dei materiali topologici, la stabilità delle funzionalità codificate nella topologia, deriva dal fatto che tale topologia si manifesta in indici topologici a valore discreto.» Questi indici sono funzioni matematiche che mappano le strutture chimiche o molecolari in valori numerici, ovvero controparti digitali delle strutture chimiche. Gli indici topologici a valore discreto devono essere ottimizzati per scoprire nuovi materiali topologici, il che significa che non è possibile utilizzare i tradizionali schemi di ottimizzazione continua basati su gradienti come lo «steepest descent» (discesa del gradiente). Per superare queste sfide, TopMechMat si è rivolto alla teoria emergente della chimica quantistica topologica e agli algoritmi genetici legati all’intelligenza artificiale. La chimica quantistica topologica, che descrive tutte le possibili strutture di banda (i possibili livelli energetici degli elettroni e la banda proibita) di ogni materiale, ha fornito approfondimenti teorici dei meccanismi fondamentali all’opera nei materiali topologici. Successivamente, gli algoritmi genetici basati sull’intelligenza artificiale (un approccio di ottimizzazione senza gradienti basato sulla genetica, sulla selezione naturale e sull’evoluzione) hanno sfruttato queste informazioni per cercare metamateriali meccanici topologici. Questi, ampiamente utilizzati nell’ambito dell’IA e dell’apprendimento automatico, sono estremamente efficienti nel trovare soluzioni ottimali durante l’analisi di set di dati estesi complessi.
Un nuovo approccio progettuale e nuovi metamateriali meccanici topologici
«Abbiamo trasformato le modalità con cui progettiamo i nostri metamateriali meccanici topologici, coniugando la chimica quantistica topologica e strategie di progettazione evolutiva legate all’intelligenza artificiale, come la strategia di evoluzione dell’adattamento della matrice di covarianza. In tal modo, la nostra ricerca applicata (la ricerca di metamateriali meccanici topologici) ha approfondito la comprensione dei fondamenti (meccanismi topologici). Il successo è evidente: il nostro approccio ha svelato strutture topologiche mai osservate in nessun’altra piattaforma, comprese quelle elettroniche che hanno studiato queste fasi della materia fin dai primi anni Ottanta del secolo scorso», osserva Huber. Allo stesso modo, il progetto ha dimostrato il valore esteso della ricerca interdisciplinare, dove le scoperte e le sperimentazioni in un campo possono condurre a svolte e intuizioni inaspettate in aree apparentemente non correlate. Studiando le onde sonore nelle cavità acustiche, i ricercatori si sono resi conto che gli approfondimenti ottenuti nell’ambito dell’ingegneria acustica aiutano a comprendere la superconduttività di un materiale quantistico, il grafene a doppio strato ritorto. «Questo sorprendente filo rosso che lega due argomenti apparentemente non correlati potrebbe essere uno degli insegnamenti più importanti di questo progetto», osserva Huber. Il coordinatore ritiene che in futuro l’intelligenza artificiale svolgerà un ruolo ancora più rilevante nella ricerca di materiali elettronici topologici. «In poche parole, la progettazione di materiali ottici o meccanici può essere ridotta alla semplice disposizione corretta dei fori nei materiali giusti. I composti elettronici richiedono il vaglio di un gran numero di voci nelle banche dati cristallografiche, per poterle collegare alle proprietà desiderate: tale sfida ben si adatta ai metodi di scienza dei dati basati sull’IA», conclude. Per quanto riguarda i metamateriali topologici meccanici, elettronici e ottici, ci si attende che la potenza degli algoritmi genetici e di altri metodi che usano l’intelligenza artificiale conduca rapidamente a nuove rivelazioni, oltre l’attuale punta dell’iceberg. Senza dubbio, il futuro si prospetta ricco di nuove applicazioni esotiche.
Parole chiave
TopMechMat, topologico, IA, algoritmi genetici, metamateriali meccanici topologici, chimica quantistica topologica, topologia, strategia di evoluzione dell’adattamento della matrice di covarianza, indici topologici, superconduttività, grafene
