test
Ana Sayfae-DergiYapay zeka Moiré sistemlerdeki nematikliğin mikroskobisini öğreniyor

Yapay zeka Moiré sistemlerdeki nematikliğin mikroskobisini öğreniyor

Maddelerin elektronik konfigürasyonlarını tanımlamak ve anlamak, bir malzemedeki güçlü elektron etkileşimleri nedeniyle genellikle zorlu bir iştir. Safsızlıkların ve diğer deformasyon kaynaklarının varlığıyla veya numunelerdeki dış etkenler nedeniyle daha da zor hale gelebilir. Genellikle, bir malzemedeki elektronlar arasındaki bu etkileşimler; manyetizma, süperiletkenlik ve elektronik konfigrasyon gibi büyüleyici olguların oluşmasına sebep olur.

Ayrıca bu etkileşimlerle ortaya çıkan moleküler dizilim ve bu dizilimlerin gerinimi bir sistemdeki dönme simetrisini bozar. İlk durum parçacıklar arası etkileşimden kaynaklanmaktadır. İkinci durumda atomların konumlarındaki bir değişimin sonucudur.

Her iki durumda da elektronların malzeme üzerinden belirli bir yöne uygun şekilde orbital seviyelerini işgal etmeyi tercih etmesi gözlemlenmiştir. Bu bakımdan, gözlemlenen eşyönsüzlüklerin (anizotropilerin) gerinimden mi kaynaklandığını yoksa gerçekten etkileşimlerin bir sonucu mu olduğunu doğrulamak zorlu bir süreçtir.

Ayrıca deney düzeneklerinden elde edilen verilerin miktarı ve karmaşıklığı arttıkça, bu bilgilerin daha etkili bir şekilde işlenmesi zorunlu hale gelmektedir. Daha çok yapay zeka (YZ) kapsamındaki veriye dayalı yaklaşımların bu göreve katkıda bulunup bulunamayacağı ve hatta malzemelerin daha önce keşfedilmemiş fiziksel özelliklerine dair ipucu verip veremeyeceği, geçtiğimiz birkaç yılda pek çok bağlamda araştırılan bir sorudur.

Elektronlar Moiré sistemlerde kendilerini nasıl organize ederler?

Taramalı tünelleme mikroskobu (STM) gibi geliştirilmiş teknolojiler kuantum maddenin temel fiziğini kodlayan veriye erişimi sağlar. Konvolüsyonel sinir ağları, moiré çift katmanlı yüzeylerin STM tarafından üretilen büyük veri setlerini işlemek ve bu verilerden anlamlı bilgi çıkarmak için kullanılır. Moiré sistemleri, yapının katıhal fiziğine erişim sağladığından ve yüksek boyutlu veri kümelerinin toplanmasına izin verdiğinden bu sistem için özellikle uygundur2.

Son zamanlarda Moiré sistemlerde, yani bükümlü iki katmanlı grafen (TBG) ve bükümlü çift katmanlı grafenlerde (TDBG) nematiklik gözlemlenmiştir. Bu sistemler genellikle aralarında göreceli bir bükülme bulunan grafen katmanlarından oluşur. Yüksek ayarlanabilirlikleri ve deney düzeneklerinde artan uzaysal çözünürlükleri nedeniyle son birkaç yılda yoğun madde fiziğinin büyük ilgisini çekmiştir. Bu özellikler, bu sistemleri güçlü bir şekilde ilişkili olgulardan gelen teorileri test etmek için mükemmel bir çalışma alanı haline getirir.

Bu ayarlanabilirliği daha iyi anlamak için, STM kullanılmıştır. Genellikle malzeme ile STM’den gelen iletken uç arasındaki potansiyel bir öngerilim uygulanır, böylece yük taşıyıcıları kuantum tünelleme yoluyla ikisi arasında geçiş yapabilir. Bu elektronların akışı, potansiyel farkın bir fonksiyonu olarak izlenebilir ve yerel orbital seviyesi yoğunluğu (LDOS) belirlenebilir. Bu yöntem bize elektronların belirli bir malzemede kalma ihtimalinin daha yüksek olduğu orbital seviyeler hakkında bilgi verir.

Potansiyel farkı değiştirirsek, elektronlar kendilerini belirli bir orbital katmanına doldurmaya karşılık gelecek şekilde yeniden düzenlerler. Her dolumda maddenin belli bir evresi tercih edilebilir. Örneğin nematiklik modeli; bu deneylerde, TDBG’de belirli bir dolgu için LDOS görüntüleri üzerinde benzersiz şeritlerin ortaya çıkmasıyla görülebilir.

Moiré nematik fazlar teorik açıdan da oldukça ilgi çekicidir malzemelerdeki belirli süperiletkenlik türlerinin belirlenmesi sağlayabilir. Elektronlar spin kuantum ve yük dalgalanmaları ile malzemedeki kafes titreşimleri nedeniyle yörüngelerde kendilerini yeniden düzenleyebildikleri görülmüştür.

Ayrıca elektronların orbital seviyelerini işgal etmesi Moiré desenler aracılığıyla tanımlanabilir. Böylece dönme simetrisi grafen ölçeğinde meydana geldiğinden farklı olarak belirgin bir şekilde bozulabilir. TDBG’deki bu iki duruma Moiré ve grafen nematikliği adı verilmektedir.

Şekil 1. TDBG’deki nematikliği olan ve olmayan LDOS’ların teorik görüntüleri.

Nematikliği öğrenmek

Nematik fazların deneysel verileri göz önüne alındığında, genellikle bir malzemenin mikroskobik teorisi olarak tanımlanabilir. Ancak bu ayrıntıları doğrudan deneysel verilerden elde etmek genellikle sorun oluşturur. Bu sorunu aşmak için verilerdeki nematiklik özelliklerini tanımlayacak bir konvolüsyonel sinir ağı (CNN) algoritması geliştirilmiştir.

LDOS’tan algoritmaya gerilimli ve gerilimsiz farklı nematiklik türlerine sahip birçok görüntü gösterdik ve belirli teorik modellere bağlı etiketlere dayanarak bunların ne tür fiziksel özelliklere sahip olduğu soruldu. Eğitim aşamasında teorik veriler üzerinde iyi performans gösterebileceğini belgeledikten sonra, daha önce görülmemiş deneysel verileri nematiklikle sundular.

CNN, nematikliğin deneysel olarak daha güçlü olduğu dolgu bölgesinde grafen, nematikliğinde ise Moiré’i tercih edildi. Ek olarak ve daha şaşırtıcı bir şekilde, dolgu arttıkça gerilim fazla değişmedi ve güçlü nematiklik bölgesinde küçüldü. Bu, dönme simetrisinin esas olarak elektronlar arasındaki güçlü etkileşim nedeniyle oluştuğunu göstermektedir.

Makine öğrenim tekniklerinin, Moiré sistemlerde ve ötesindeki deneysel verileri analiz etmek ve geleneksel yöntemlerle elde edilmesi zor olan içgörüleri ortaya çıkarmak için muazzam bir potansiyele sahip olduğuna inanılıyor.

Nematik düzen nedir?

Nematik düzen terimi, genelde sıvı kristal malzemelerin bir tür fiziksel düzenini ifade eder. Bu düzen, moleküllerin belirli bir yönde tercih edilen bir yönde düzenlendiği ve bu yöne göre belirli bir derecede oryantasyon (yönelim) sergilediği bir durumu gösterir. Moleküler düzlemde belirgin bir yönelim sergileyen sıvı kristal fazlarının bir özelliğidir. Bu düzen, özellikle sıvı kristallerin optik ve elektronik özelliklerini etkiler ve bu tür malzemelerin kullanıldığı ekran teknolojileri gibi uygulamalarda önemlidir.

Kaynaklar

  1. https://phys.org/news/2023-09-ai-algorithm-microscopic-nematicity-moir.html
  2. Sobral, J. A., Obernauer, S., Turkel, S., Pasupathy, A. N., & Scheurer, M. S. (2023). Machine Learning Microscopic Form of Nematic Order in twisted double-bilayer graphene. Nat. Commun., 12274.

1 Yorum

Yorum Yap

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz

Bu site, istenmeyenleri azaltmak için Akismet kullanıyor. Yorum verilerinizin nasıl işlendiği hakkında daha fazla bilgi edinin.

Son Yazılar

Son Yorumlar