Een nieuwe nanomechanische resonator geïnspireerd op de structuur van een spinnenweb zou kunnen worden gebruikt in kwantumsensoren om ultrakleine krachten zoals zwaartekracht waar te nemen. De resonator, die is ontworpen met behulp van machine learning, werkt bij kamertemperatuur, een primeur voor een dergelijk apparaat.
Nanomechanische resonatoren zijn kleine trillende bundels die oscilleren met zeer hoge resonantiefrequenties - vaak in het megahertz- of gigahertz-bereik. Ze worden gebruikt in een reeks toepassingen, waaronder telecommunicatie, en kunnen ook worden gebruikt om de massa van kleine objecten zoals afzonderlijke DNA-moleculen of virussen te detecteren en te bepalen. Ze werken volgens het principe dat wanneer een klein deeltje door de straal wordt geabsorbeerd, de frequentie waarmee de straal trilt, verandert op een manier die kan worden gecontroleerd en gebruikt om de massa van het deeltje te berekenen.
De ultragevoeligheid van deze apparaten kan er echter tegen werken, omdat ze extreem gevoelig zijn voor thermische omgevingsgeluiden. Als gevolg hiervan moeten dergelijke resonatoren op temperaturen rond het absolute nulpunt (-273.15 °C) worden gehouden om deze ongewenste trillingen tegen te gaan.
Een team van onderzoekers van U delft in Nederland heeft nu een resonator gemaakt die werkt bij kamertemperatuur dankzij zijn uitstekende isolatie van externe ruis. Het ontwerp van het nieuwe apparaat is geïnspireerd op de structuur van een spinnenweb, een van de beste trillingsdetectoren van de natuur.
Spinzijdedraden zijn erg taai en stijf en hebben een sterkte-gewichtsverhouding die vergelijkbaar is met staal. Ze zijn dus in staat om grote schokken te weerstaan en toch gevoelig genoeg te blijven om kleine vliegende insecten te detecteren en te vangen. Cruciaal is dat ze ook het meest gevoelig zijn voor trillingen die van binnenuit het web komen, in plaats van voor trillingsverstoringen in de omgeving, zoals wind.
Dit unieke gedrag is het resultaat van miljoenen jaren evolutie en vormt dus een goed startpunt voor machine learning-algoritmen om nanomechanische sensoren te ontwerpen, zegt Richard Noord, die samen met de nieuwe studie leidde Miguel Besa.
Gebruik maken van Bayesiaanse optimalisatie
De onderzoekers kozen voor een populair mechanisch resonatormateriaal, siliciumnitride (Si3N4), voor hun sensor. Ze gebruikten een algoritme dat bekend staat als Bayesiaanse optimalisatie om snel en efficiënt een goed ontwerp van het spinnenwebtype te vinden, nadat ze eerst hadden gespecificeerd dat het machine-leerprogramma apparaten zou moeten overwegen die zijn gemaakt van een plaat van 20 nm dik Si3N4 vrij hangend over een lengte van enkele millimeters.
Tot hun verbazing ontdekten ze dat het algoritme een relatief eenvoudig web voorstelde, een web dat bestaat uit slechts zes strings die op een ogenschijnlijk eenvoudige manier zijn samengesteld. Sterker nog, de computersimulaties van het team toonden aan dat het apparaat bij kamertemperatuur zou werken vanwege de hoge mechanische kwaliteitsfactor, de verhouding tussen de energie die is opgeslagen in een resonator en de energie die wordt gedissipeerd over één oscillatiecyclus. Deze kwaliteitsfactor, aangeduid met Qm, overschrijdt een miljard in dit temperatuurbereik dankzij een nieuw "torsionaal zacht klemmechanisme" dat de trillingsmodi van het apparaat isoleert van de thermische omgevingsomgeving en werd ontdekt door het datagestuurde optimalisatie-algoritme.
"Wat fascinerend is, is dat het algoritme voor machinaal leren onafhankelijk gebruik maakt van torsietrillingsmechanismen, die feitelijk door spinnenwebben in de natuur worden gebruikt bij het detecteren van prooien, hoewel het algoritme geen voorkennis heeft van hoe een spinnenweb functioneert", leggen ze uit.
De onderzoekers maakten vervolgens een echte sensor op basis van dit geoptimaliseerde ontwerp, lieten deze trillen met piëzo-elektrische trappen en gebruikten een optische interferometer om te meten hoe lang het duurde voordat de trillingen stopten. Deze "ringdown" -metingen geven informatie over de mate van verval van de amplitude van de resonator en dus de snelheid waarmee deze energie dissipeert - waarden die vervolgens worden gebruikt om de Q te berekenenm.
De onderzoekers melden dat er bijna geen energie verloren gaat buiten hun op microchips gebaseerde "spinnenweb". "De trillingen bewegen aan de binnenkant in een cirkel en raken de buitenkant niet", legt Norte uit. "Dit is een beetje alsof je iemand een enkele duw op een schommel geeft en hem bijna een eeuw laat slingeren zonder te stoppen."
Uitbreiden naar andere geometrieën
Het nieuwe apparaat kan worden gebruikt om naar donkere materie te zoeken of om ultrakleine krachten zoals zwaartekracht te onderzoeken die notoir moeilijk te meten zijn, zeggen de onderzoekers. Hoewel hun aanvankelijke ontwerp gebruikmaakt van siliciumnitride, geloven ze dat hun benadering kan worden uitgebreid tot andere materialen zoals diamant, galliumarsenide, siliciumcarbide, indiumgalliumfosfide, gesmolten silicaglas, silicium, fosforcarbide en zelfs supergeleidende films. Het gebruik van machine learning om dergelijke apparaten te ontwerpen is slechts een eerste stap in de richting van de ontwikkeling van de volgende generatie nanomechanische resonatoren, voegen de onderzoekers toe, en het kan ook worden uitgebreid tot andere geometrieën dan spinnenwebachtige ontwerpen.
Aangespoord door hun resultaten, is het team nu van plan nieuwe algoritmen voor machinaal leren te ontwikkelen om optische nanostructuren te ontwerpen in plaats van alleen mechanische. "Deze structuren zullen worden gebruikt om andere natuurkundige problemen op te lossen, zoals het maken van lichtzeilen die met een kwart van de snelheid van het licht reizen", vertellen Bessa en Norta. Natuurkunde wereld. "Ze vereisen een zorgvuldig ontwerp waardoor ze ultralicht en zeer reflecterend kunnen zijn - eigenschappen die moeilijk tegelijkertijd te bereiken zijn."
Het werk is gedetailleerd in Geavanceerde materialen.
De post Spinnenwebstructuur inspireert nanomechanische zwaartekrachtsensor verscheen eerst op Natuurkunde wereld.
