Una nueva herramienta basada en inteligencia artificial permite diseñar bajo demanda cómo se propaga la nanoluz en materiales bidimensionales. En lugar de partir de una estructura y calcular después qué comportamiento tendrá la luz, el nuevo sistema comienza con la propagación que se quiere conseguir y propone diferentes configuraciones capaces de producirla.
El avance, presentado en la revista científica Nature Materials, abre nuevas posibilidades para el diseño de componentes nanofotónicos, sensores y sistemas capaces de controlar el transporte de calor a escalas extremadamente pequeñas.
La investigación ha sido desarrollada por científicos de la Universidad de Oviedo y del Centro de Investigación en Nanomateriales y Nanotecnología (CINN), en colaboración con el Instituto de Nanociencia y Materiales de Aragón (INMA, CSIC-Universidad de Zaragoza) y el Centro Internacional de Física de San Sebastián (DIPC).
Una IA para diseñar el camino de la nanoluz
Los polaritones superficiales son ondas híbridas de luz y materia que permanecen confinadas cerca de una superficie. Se propagan a lo largo de ella con longitudes de onda mucho menores que las de la luz en el espacio libre, por lo que constituyen una forma de nanoluz.
En el caso del α-MoO₃, un material inorgánico formado por molibdeno y oxígeno, esta nanoluz aparece debido al acoplamiento entre la luz convencional y las vibraciones de los átomos. El resultado son ondas conocidas como fonón-polaritones.
Controlar hacia dónde se propagan estas ondas puede abrir la puerta a nuevas tecnologías de nanofotónica, sensores y sistemas de gestión térmica.
El problema es que existen muchas maneras de modificar ese comportamiento. Los investigadores pueden cambiar el número de capas del material, su composición, el espesor de cada una, el ángulo de giro entre ellas o incluso la frecuencia de la luz utilizada.
La combinación de todas estas variables genera un espacio de diseño tan amplio que resulta difícil explorar sus posibilidades únicamente mediante la intuición física y los métodos convencionales.
La inteligencia artificial permite abordar este problema de otra manera: en lugar de calcular qué hará una estructura determinada, busca estructuras capaces de producir el comportamiento deseado.
Girar las capas para controlar la luz
La estrategia se basa en utilizar materiales capaces de producir nanoluz, como el α-MoO₃, exfoliarlos hasta obtener láminas extremadamente delgadas y después apilarlas con una orientación relativa controlada.
El procedimiento puede imaginarse como una baraja de cartas en la que cada carta representa una capa de material y las diferentes capas se colocan una encima de otra, pero giradas entre sí.
En estas estructuras, la dirección de propagación de la nanoluz depende de numerosos factores: el número y el tipo de capas, su espesor, los ángulos de giro entre ellas y la frecuencia de la luz incidente.
Este planteamiento forma parte de un nuevo campo denominado twistóptica, un área de la óptica de materiales bidimensionales que estudia cómo cambian las propiedades ópticas cuando una capa de material se gira respecto de otra.
A medida que aumenta el número de capas, también crece rápidamente el número de combinaciones posibles. Ahí es donde entra en juego la inteligencia artificial.
De buscar una estructura a pedirle a la IA una propagación concreta
Uno de los aspectos más llamativos del trabajo es que invierte el procedimiento habitual de diseño. Hasta ahora, los investigadores partían de una estructura determinada y calculaban posteriormente cómo se propagaría la luz a través de ella. El nuevo sistema funciona en sentido contrario: los científicos especifican primero cómo quieren que se propague la nanoluz y la red neuronal propone distintas estructuras que podrían conseguirlo.
Para ello, el equipo desarrolló una red neuronal multirrama capaz de diseñar estructuras de tres capas a partir de una bicapa de partida. El sistema también permitió explorar patrones de propagación novedosos en regiones del espectro que no habían sido estudiadas anteriormente y con diferentes materiales.
“Antes había que explorar muchas posibilidades tanto en la teoría como en el experimento. Ahora partimos de la propagación deseada y obtenemos varias estructuras candidatas en poco tiempo”, explica Lucía F. Álvarez-Tomillo, investigadora predoctoral de la Universidad de Oviedo y primera autora del estudio.
La nanoluz puede dividirse en dos o tres direcciones
Mediante cálculos y simulaciones, la red neuronal propuso estructuras de α-MoO₃ capaces de canalizar la nanoluz en dos y tres direcciones.
Estas configuraciones, denominadas de bicanalización y tricanalización, representan un comportamiento que, según el estudio, no se había observado hasta ahora.
La inteligencia artificial también predijo la canalización de la nanoluz en bicapas formadas por distintos materiales, con frecuencias de operación que abarcan desde la región visible del espectro hasta los terahercios.
Esto amplía considerablemente el espacio de posibilidades que pueden explorarse para controlar la propagación de la luz a escala nanométrica.
“La automatización permite generar varias soluciones y explorar estructuras muy novedosas en tiempo récord”, señala José Álvarez-Cuervo, investigador predoctoral de la Universidad de Oviedo y coautor del artículo.
La inteligencia artificial no sustituye al modelo físico
Aunque la red neuronal permite acelerar el proceso de búsqueda, los investigadores destacan que la inteligencia artificial no sustituye a los modelos físicos sobre los que se sustenta el estudio.
La red aprende a partir de soluciones que previamente han sido calculadas mediante un modelo físico desarrollado por el equipo. A partir de ese conocimiento, identifica nuevas configuraciones que posteriormente deben ser comprobadas mediante simulaciones y, en determinados casos, mediante experimentos.
“Es importante destacar que la red neuronal no sustituye el modelo físico desarrollado previamente, sino que aprende de soluciones calculadas con él. Así identifica varias propuestas, que después se contrastan mediante simulaciones y, en casos seleccionados, mediante experimentos”, explica Luis Martín-Moreno, profesor de investigación del Instituto de Nanociencia y Materiales de Aragón.
El equipo utilizó además microscopía óptica de campo cercano para comprobar experimentalmente una de las predicciones de la red, una técnica que los investigadores han contribuido a consolidar durante la última década.
De esta forma, el trabajo combina modelos físicos, inteligencia artificial, simulaciones y experimentación, en lugar de utilizar la IA como una herramienta independiente del conocimiento físico.
De la nanoluz al control del calor y los sensores
El trabajo se enmarca en el proyecto ERC Consolidator TWISTOPTICS, financiado por el Consejo Europeo de Investigación (ERC).
El desarrollo de herramientas capaces de diseñar de manera automatizada la propagación de la nanoluz podría tener aplicaciones más allá de la investigación fundamental.
El siguiente objetivo es utilizar esta capacidad de diseño para desarrollar dispositivos capaces de controlar el transporte de calor, transmitir información mediante luz a escala nanométrica o mejorar la respuesta de los sensores.
“El siguiente paso es aplicar esta capacidad de diseño a dispositivos que permitan controlar el transporte de calor, transmitir información con luz a escala nanométrica o mejorar la respuesta de los sensores”, señala Pablo Alonso-González, investigador principal del proyecto y colíder del Grupo de Nano-Óptica Cuántica de la Universidad de Oviedo junto con Javier Martín-Sánchez.
La combinación de materiales bidimensionales, control de sus capas mediante giro e inteligencia artificial abre así una nueva vía para diseñar propiedades ópticas a medida, en lugar de limitarse a estudiar las propiedades de estructuras previamente fabricadas.
El resultado acerca la nanofotónica a un escenario en el que los investigadores pueden especificar primero el comportamiento que necesitan y utilizar después la inteligencia artificial para encontrar las estructuras capaces de hacerlo posible.
