Um grupo de pesquisa interdisciplinar da TU Graz está trabalhando na construção de circuitos lógicos através do arranjo direcionado de moléculas individuais. A inteligência artificial deverá acelerar enormemente o processo.
A composição química de um material por si só, por vezes, revela pouco sobre as suas propriedades. O fator decisivo é frequentemente o arranjo das moléculas na estrutura da rede atômica ou na superfície do material. A ciência dos materiais utiliza esse fator para criar certas propriedades, aplicando átomos e moléculas individuais a superfícies com a ajuda de microscópios de alto desempenho. Isso ainda consome muito tempo e as nanoestruturas construídas são comparativamente simples. Usando inteligência artificial, um novo grupo de pesquisa da TU Graz quer agora levar a construção de nanoestruturas a um novo nível: “Queremos desenvolver um sistema de IA de autoaprendizagem que posicione moléculas individuais de forma rápida, específica e na orientação correta, e todos isso de forma completamente autônoma”, diz Oliver Hofmann, do Instituto de Física do Estado Sólido, que lidera o grupo de pesquisa. Isto deverá tornar possível a construção de estruturas moleculares altamente complexas, incluindo circuitos lógicos na faixa nanométrica. O grupo de investigação “Arranjo molecular através da inteligência artificial” está a receber um financiamento total de 1,19 milhões de euros do Fundo Austríaco para a Ciência.
Posicionamento usando um microscópio de tunelamento de varredura
O posicionamento de moléculas individuais na superfície de um material é realizado por meio de um microscópio de tunelamento de varredura. A ponta da sonda emite um impulso elétrico para depositar uma molécula que carrega. “Uma pessoa precisa de alguns minutos para completar esta etapa de uma molécula simples”, diz Oliver Hofmann. “Mas, para construir estruturas complicadas com efeitos potencialmente excitantes, muitos milhares de moléculas complexas têm de ser posicionadas individualmente e o resultado então testado. Isto, claro, leva um tempo relativamente longo.”
No entanto, um microscópio de tunelamento de varredura também pode ser controlado por um computador. A equipe de Oliver Hofmann agora quer usar vários métodos de aprendizado de máquina para fazer com que esse sistema de computador coloque as moléculas na posição correta de forma independente. Primeiro, os métodos de IA são usados para calcular um plano ideal que descreve a abordagem mais eficiente e confiável para construir a estrutura. Algoritmos de IA de autoaprendizagem controlam então a ponta da sonda para posicionar as moléculas precisamente de acordo com o plano. “Posicionar moléculas complexas com a mais alta precisão é um processo difícil, pois seu alinhamento está sempre sujeito a um certo grau de acaso, apesar do melhor controle possível”, explica Hofmann. Os pesquisadores integrarão esse fator de probabilidade condicional ao sistema de IA para que ele ainda atue de maneira confiável.
Nanoestruturas em forma de portão
Usando um microscópio de tunelamento de varredura controlado por IA que pode funcionar 24 horas por dia, os pesquisadores desejam construir os chamados currais quânticos. São nanoestruturas em forma de porta, que podem ser utilizadas para capturar elétrons do material sobre o qual estão depositados. As propriedades ondulatórias dos elétrons levam então a interferências da mecânica quântica que podem ser utilizadas para aplicações práticas. Até agora, os currais quânticos foram construídos principalmente a partir de átomos únicos. A equipe de Oliver Hofmann quer agora produzi-los a partir de moléculas de formato complexo: “Nossa hipótese é que isso nos permitirá construir currais quânticos muito mais diversos e, assim, expandir especificamente seus efeitos”. Os pesquisadores querem usar esses currais quânticos mais complexos para construir circuitos lógicos, a fim de estudar fundamentalmente como eles funcionam no nível molecular. Teoricamente, esses currais quânticos poderiam um dia ser usados para construir chips de computador.
Experiência de duas universidades
Para o seu programa de cinco anos, o grupo de investigação reúne conhecimentos das áreas da inteligência artificial, matemática, física e química. Bettina Könighofer, do Instituto de Segurança da Informação, é responsável pelo desenvolvimento do modelo de aprendizado de máquina. Sua equipe deve garantir que o sistema de autoaprendizagem não destrua inadvertidamente as nanoestruturas que constrói. Jussi Behrndt, do Instituto de Matemática Aplicada, determinará as propriedades fundamentais das estruturas a serem desenvolvidas numa base teórica, enquanto Markus Aichhorn, do Instituto de Física Teórica, traduzirá essas previsões em aplicações práticas. Leonhard Grill, do Instituto de Química da Universidade de Graz, é o principal responsável pelos experimentos reais no microscópio de tunelamento de varredura.
<
