���ʵ���

Aalto-yliopiston ja Cambridgen yliopiston tutkijat ovat tehneet merkittävän läpimurron laskennallisissa tieteissä yhdistämällä atomitason mallinnusta ja koneoppimista. Menetelmällä on ensimmäistä kertaa voitu mallintaa realistisesti se, miten amorfiset hiilifilmit muodostuvat atomitasolla. Amorfisella materiaalilla tarkoitetaan materiaalia, jolla ei ole säännöllistä kiderakennetta. Menetelmää voidaan hyödyntää myös useiden muiden materiaalien tutkimisessa.

”Onnistumisen salaisuus on koneoppiminen, jonka avulla voimme mallintaa tuhansien atomien käyttäytymisen pitkällä ajanjaksolla. Näin mallista on saatu todenmukaisempi kuin aikaisemmin”, kertoo tutkijatohtori Miguel Caro.

Simuloinnit paljastivat, että timantinkaltainen hiilifilmi syntyy atomitasolla eri tavalla kuin on oletettu. Viimeiset 30 vuotta vallalla ollut käsitys filmin syntymekanismista on perustunut oletuksille ja epäsuorille kokeellisille tuloksille. Hyvää tai edes välttävää atomitason mallia ei ole ennen ollut käytettävissä. Nyt uusi menetelmä kumosi aiemmat kvalitatiiviset mallit ja antoi tarkan atomitason kuvan syntymekanismista.

”Aiemmin amorfisten hiilifilmien kuviteltiin syntyvän atomien pakkautuessa pienelle alueelle, mutta me todistimme, että mekaanisen shokkiaallon vaikutuksesta timantinkaltaiset atomit syntyvät itseasiassa kauempana siitä kohdasta, mihin atomeja ammutaan”, sanoo Caro, joka toteutti simuloinnit CSC:n (Tieteen tietotekniikan keskus) supertietokoneilla.

Tulos mahdollistaa merkittäviä uusia tutkimuspolkuja

Amorfisen hiilen käyttökohteita on lukematon määrä. Sitä käytetään pinnoitteina useissa mekaanisissa sovelluksissa, esimerkiksi auton moottoreissa. Lisäksi materiaalia voidaan hyödyntää muun muassa lääketieteessä ja erilaisissa energia-, bio- ja ympäristösovelluksissa.

”Meille tärkein sovellus ovat bioanturit. Olemme käyttäneet hyvin ohuita amorfisia hiilipinnoitteita erilaisten biomolekyylien tunnistukseen. Näissä sovelluksissa on erittäin tärkeää tuntea filmien sähköiset, kemialliset ja sähkökemialliset ominaisuudet ja pystyä räätälöimään materiaali tiettyyn sovellukseen sopivaksi”, kertoo professori Tomi Laurila.

Uusi koneoppimiseen pohjautuvat menetelmä auttaa monen eri kokeellisen materiaalitutkimuksen tekijöitä, sillä se kykenee antamaan tietoa materiaaleista lähes kvanttimekaanisten menetelmien tarkkuudella mutta mahdollistaa samalla tuhansien atomien ja pitkien aikaskaalojen käytön.

”Olen erittäin innoissani siitä, millaisia mahdollisuuksia tämä menetelmä tarjoaa jatkotutkimusten kannalta. Tämä atomitason malli tuottaa todistetusti oikeita ja kokeita erinomaisesti vastaavia tuloksia paljastaen kuitenkin ensikertaa tulosten takana olevat atomitason ilmiöt. Mallin avulla voimme esimerkiksi ennustaa, millainen hiilipinta olisi paras vaikkapa hermovälittäjäaine dopamiinin tai serotoniinin mittaamiseen”, sanoo Laurila.

”�۳�ٱ𾱲��ٲ�ömme on ollut erittäin menestyksekästä ja jatkamme tutkimuksen tekemistä yhdessä jatkossakin”, sanoo Volker Deringer Cambridgen yliopistosta ja toteaa olevansa hyvin innostunut soveltamaan näitä menetelmiä amorfisten materiaalien tutkimiseen.

Tutkimus on julkaistu Physical Review Letter -lehdessä:

������ä�پ���ٴ��Ჹ:

Miguel Caro
tutkijatohtori
Aalto-yliopisto
miguel.caro@aalto.fi
+ 358 504079988

Tomi Laurila
Professori
Aalto-yliopisto
tomi.laurila@aalto.fi
+358 503414375

Dr Volker Deringer
Leverhulme Early Career Fellow
University of Cambridge
vld24@cam.ac.uk
+44 7494 989967