Een team van onderzoekers van de TU Delft is erin geslaagd een van 's werelds meest nauwkeurige microchipsensoren te ontwerpen; het apparaat kan functioneren bij kamertemperatuur, een 'heilige graal' voor kwantumtechnologieën en sensing. Met behulp van een combinatie van nanotechnologie en machine learning, geïnspireerd door spinnenwebben, zijn ze erin geslaagd een nanomechanische sensor te laten trillen in extreme isolatie van alledaags geluid. Deze doorbraak, gepubliceerd in de Rising Stars Issue of Advanced Materials, heeft grote implicaties voor de studie van zwaartekracht en donkere materie, maar ook voor kwantuminternet, navigatie en sensing.
Een van de grootste uitdagingen bij het bestuderen van trillende objecten op de kleinste schaal, zoals die worden gebruikt in sensoren of kwantumhardware, is hoe te voorkomen dat omgevingsgeluiden interfereren met hun fragiele toestand. Quantumhardware wordt bijvoorbeeld meestal bewaard bij temperaturen die het absolute nulpunt naderen (-273,15 °C), waarbij koelkasten elk een half miljoen dollar kosten. Onderzoekers van de TU Delft hebben een webvormige microchipsensor gemaakt die extreem goed resoneert, geïsoleerd van kamertemperatuur. Naast andere toepassingen zal hun ontdekking het bouwen van kwantumapparaten veel betaalbaarder maken.
Meeliften op evolutie Richard Norte en Miguel Bessa, die het onderzoek leidden, waren op zoek naar nieuwe manieren om nanotechnologie en machine learning te combineren. Hoe kwamen ze op het idee om spinnenwebben als model te gebruiken? Richard Norte: “Ik deed dit werk al een decennium toen ik tijdens een lockdown veel spinnenwebben op mijn terras zag. Ik realiseerde me dat spinnenwebben echt goede trillingsdetectoren zijn, in die zin dat ze trillingen binnen het web willen meten om hun prooi te vinden, maar niet daarbuiten, zoals de wind door een boom. Dus waarom niet meeliften op miljoenen jaren evolutie en een spinnenweb gebruiken als eerste model voor een ultragevoelig apparaat?”
Omdat het team niets wist over de complexiteit van spinnenwebben, liet het het ontdekkingsproces leiden door machine learning. Miguel Bessa: "We wisten dat de experimenten en simulaties duur en tijdrovend waren, dus besloten we met mijn groep om een algoritme genaamd Bayesiaanse optimalisatie te gebruiken om met weinig pogingen een goed ontwerp te vinden." Dongil Shin, mede-eerste auteur van dit werk, implementeerde vervolgens het computermodel en paste het machine learning-algoritme toe om het nieuwe ontwerp voor het apparaat te vinden.
Microchipsensor op basis van spinnenwebben Tot verbazing van de onderzoeker stelde het algoritme een relatief eenvoudig spinnenweb voor uit 150 verschillende spinnenwebontwerpen, bestaande uit slechts zes strengen die op een bedrieglijk eenvoudige manier aan elkaar waren bevestigd. Bessa: “De computersimulaties van Dongil lieten zien dat dit apparaat kan werken bij kamertemperatuur, waar atomen veel trillen, maar toch ongelooflijk weinig energie in de omgeving ziet lekken – een hogere kwaliteitsfactor. Met machine learning en optimalisatie zijn we erin geslaagd om Richards spinnenwebconcept aan te passen aan deze veel betere kwaliteitsfactor.”
Op basis van dit nieuwe ontwerp bouwde Andrea Cupertino, co-eerste auteur, een microchipsensor met een ultradunne, nanometer dikke film van keramisch materiaal genaamd Siliciumnitride. Ze testten het model door het 'web' van de microchip flink te laten trillen en te meten hoe lang het duurt voordat de trillingen stoppen. Het resultaat was spectaculair: een recordbrekende geïsoleerde trilling bij kamertemperatuur. Norte: “We vonden bijna geen energieverlies buiten ons microchipweb: de trillingen bewegen in een cirkel aan de binnenkant en raken de buitenkant niet. Dit is een beetje alsof je iemand één duw op een schommel geeft en hem bijna een eeuw laat slingeren zonder te stoppen.”
Implicaties voor fundamentele en toegepaste wetenschappen Met hun op spinnenweb gebaseerde sensor laten de onderzoekers zien hoe deze interdisciplinaire strategie de weg opent naar nieuwe doorbraken in de wetenschap, waarbij bio-geïnspireerd ontwerp, machine learning en nanotechnologie worden gecombineerd. Dit nieuwe paradigma heeft interessante implicaties voor kwantuminternet, detectie, microchiptechnologieën en fundamentele fysica: het onderzoeken van ultrakleine krachten, zoals zwaartekracht of donkere materie die notoir moeilijk te meten zijn. Volgens de onderzoekers was de ontdekking niet mogelijk geweest zonder de Cohesion Grant van de universiteit, die leidde tot deze samenwerking tussen nanotechnologie en machine learning.
Dit artikel is een ingezonden bericht en valt niet onder de verantwoordelijkheid van de redactie.