p Avanços no campo da nanofotônica - como a luz se comporta em escala nanométrica - abriram caminho para a invenção de "metamateriais, "materiais feitos pelo homem que têm enormes aplicações, desde sensoriamento remoto em nanoescala até coleta de energia e diagnósticos médicos. Mas seu impacto na vida diária foi prejudicado por um complicado processo de fabricação com grandes margens de erro. p Agora, um novo estudo interdisciplinar da Universidade de Tel Aviv publicado em Luz:Ciência e Aplicações demonstra uma maneira de agilizar o processo de concepção e caracterização nanofotônica básica, elementos metamateriais. O estudo foi conduzido pelo Dr. Haim Suchowski da Escola de Física e Astronomia da TAU e pelo Prof. Lior Wolf da Escola de Ciência da Computação Blavatnik da TAU e conduzido pelo cientista pesquisador Dr. Michael Mrejen e pelos alunos de graduação da TAU Itzik Malkiel, Achiya Nagler e Uri Arieli.

p "O processo de projeto de metamateriais consiste em esculpir elementos em nanoescala com uma resposta eletromagnética precisa, "Dr. Mrejen diz." Mas por causa da complexidade da física envolvida, o design, os processos de fabricação e caracterização desses elementos requerem uma grande quantidade de tentativa e erro, limitando drasticamente suas aplicações. "

p Aprendizado profundo é a chave para a manufatura de precisão

p "Nossa nova abordagem depende quase inteiramente do Deep Learning, uma rede de computadores inspirada na arquitetura em camadas e hierárquica do cérebro humano, "O Prof. Wolf explica." É uma das formas mais avançadas de aprendizado de máquina, responsável por grandes avanços em tecnologia, incluindo reconhecimento de fala, tradução e processamento de imagens. Achamos que seria a abordagem certa para projetar nanofotônicos, elementos metamateriais. "

p Os cientistas alimentaram uma rede de Deep Learning com 15, 000 experimentos artificiais para ensinar à rede a relação complexa entre as formas dos nanoelementos e suas respostas eletromagnéticas. "Demonstramos que uma rede de Deep Learning 'treinada' pode prever, em uma fração de segundo, a geometria de uma nanoestrutura fabricada, "Dr. Suchowski diz.

p Os pesquisadores também demonstraram que sua abordagem produz com sucesso o novo design de nanoelementos que podem interagir com proteínas e produtos químicos específicos.

p Resultados amplamente aplicáveis

p "Esses resultados são amplamente aplicáveis ​​a muitos campos, incluindo espectroscopia e terapia direcionada, ou seja, o design eficiente e rápido de nanopartículas capazes de atingir proteínas maliciosas, "diz o Dr. Suchowski." Pela primeira vez, uma nova rede neural profunda, treinado com milhares de experimentos sintéticos, foi capaz não apenas de determinar as dimensões de objetos nanométricos, mas também de permitir o rápido design e caracterização de elementos ópticos baseados em metassuperfície para substâncias químicas e biomoléculas específicas.

p "Nossa solução também funciona ao contrário. Depois que uma forma é fabricada, geralmente leva equipamento caro e tempo para determinar a forma precisa que foi realmente fabricada. Nossa solução baseada em computador faz isso em uma fração de segundo com base em uma medição de transmissão simples. "

p Os pesquisadores, que também escreveram uma patente sobre seu novo método, estão atualmente expandindo seus algoritmos de Deep Learning para incluir a caracterização química de nanopartículas.