Les matériaux bidimensionnels, constitués d'une seule couche d'atomes, présentent des propriétés inhabituelles qui pourraient être exploitées pour une large gamme de systèmes quantiques et microélectroniques. Mais ce qui les rend vraiment spéciaux, ce sont leurs défauts. "C'est là que réside leur véritable magie", a déclaré Alexander Weber-Bargioni du Lawrence Berkeley National Laboratory (Berkeley Lab) du ministère de l'Énergie. Des défauts jusqu'au niveau atomique peuvent influencer la fonction macroscopique du matériau et conduire à de nouveaux comportements quantiques, et il existe tellement de types de défauts que les chercheurs commencent à peine à comprendre les possibilités. L'un des plus grands défis dans le domaine est d'étudier systématiquement ces défauts à des échelles pertinentes, ou avec une résolution atomique.

L'intelligence artificielle suggère une voie à suivre. Des chercheurs de Berkeley Lab ont récemment dévoilé un nouveau moyen rapide et facilement reproductible de cartographier et d'identifier les défauts dans les matériaux bidimensionnels. Il utilise des réseaux de neurones convolutionnels, qui sont une application de l'intelligence artificielle, pour analyser rapidement les données d'expériences autonomes, qui sont devenues ces dernières années un outil puissant pour l'imagerie de ces matériaux exotiques.

"Les défauts peuvent être utilisés de manière avantageuse, ou ils peuvent causer des problèmes avec la fonction macroscopique du matériau", a déclaré John Thomas, chercheur postdoctoral au sein du groupe Weber-Bargioni à la Molecular Foundry, une installation utilisateur du DOE Office of Science à Berkeley Lab. où cette recherche a été menée. Thomas a conçu l'approche qui associe l'IA à la découverte autonome. "Cette combinaison nous donne un bon moyen de dépister les défauts et de les mesurer", a-t-il déclaré. La méthode pourrait réduire considérablement le temps nécessaire pour caractériser les matériaux bidimensionnels et les utiliser dans les dispositifs quantiques et électroniques de nouvelle génération. Les scientifiques ont rapporté leurs recherches dans un article publié dans npj Computational Materials .

La compréhension des propriétés quantiques des solides a permis des avancées technologiques au fil des décennies, telles que le transistor et le laser. Maintenant, alors que les scientifiques poursuivent d'autres applications qui exploitent la science de l'information quantique, telles que la détection et l'informatique quantiques, il est essentiel de mieux comprendre un phénomène dans les solides appelé cohérence quantique. C'est l'objectif du Center for Novel Pathways to Quantum Coherence in Materials (NPQC), un Energy Frontier Research Center (EFRC) dirigé par Berkeley Lab. L'objectif du centre est d'améliorer considérablement la compréhension et le contrôle des scientifiques de la cohérence dans les solides, ce qui pourrait conduire à de nouveaux dispositifs et applications. Et une grande partie de ce travail consiste à étudier les moindres défauts d'un matériau.

Dans cette recherche spécifique, qui a été soutenue par le NPQC EFRC, Thomas et Weber-Bargioni, co-PI de l'EFRC, ont collaboré avec Marcus Noack de la division Mathématiques appliquées et recherche informatique du Berkeley Lab. Noack, responsable des expériences autonomes et autonomes au Center for Advanced Mathematics for Energy Research Applications (CAMERA) de Berkeley Lab, a développé gpCAM, le système utilisé pour les expériences autonomes. Le groupe a testé son approche améliorée par l'IA sur un matériau constitué d'une seule couche de disulfure de tungstène (WS2) développée sur un substrat de graphène et de carbure de silicium.

La collecte de données spectroscopiques à haute résolution sur les lacunes de soufre (une sorte de défaut) dans un échantillon carré du matériau mesurant 125 × 125 pixels nécessiterait environ 23 jours en utilisant l'approche conventionnelle de la microscopie à effet tunnel (STM). STM offre un moyen puissant de collecter des informations de surface spectroscopiques et de les connecter à des phénomènes macroscopiques, mais la création d'une image spectrale complète, a déclaré Thomas, peut souvent être compliquée par un certain nombre de facteurs qui peuvent survenir pendant une si longue période.

Réduire le temps nécessaire pour acquérir les données pourrait réduire le risque de ces complications. En combinant les mesures STM avec des outils d'apprentissage automatique, la nouvelle approche a réduit le temps d'imagerie à environ 8 heures.

"D'environ trois semaines à un tiers de jour", a déclaré Thomas. "C'est un bon bond en avant."

WS2 est un dichalcogénure de métal de transition (TMD), un matériau dont les propriétés le rendent attrayant pour des applications telles que les émetteurs quantiques, des dispositifs capables de produire un seul photon à la fois et qui pourraient conduire à d'autres applications quantiques. De plus, des défauts tels que les lacunes de soufre dans les TMD suggèrent de nouvelles façons exotiques de manipuler les électrons et les photons dans les appareils électroniques.

Mais WS2 n'est que le début. La nouvelle technique pourrait être utilisée pour générer des données de surface de haute dimension sur presque tous les types de matériaux bidimensionnels, a déclaré Thomas, et conduire au type d'étude systématique à haute résolution dont le domaine a besoin. De plus, la méthode peut être étendue au-delà du STM à d'autres techniques spectroscopiques, y compris la spectroscopie de force atomique, le photo STM et le STM ultrarapide. Il est disponible pour une utilisation publique sous la forme d'un progiciel en libre accès appelé gpSTS, dont Thomas est le développeur principal.

"J'espère que nous avons créé un outil que tout le monde peut utiliser et ajouter à la plupart des STM", a déclaré Thomas. "Pour ma part, nous continuerons à explorer différents matériaux quantiques et de nouveaux défauts."

La composante d'apprentissage automatique de cette recherche a bénéficié de l'expertise de CAMERA, qui vise à fournir les nouvelles mathématiques fondamentales nécessaires pour capitaliser sur les recherches expérimentales dans les installations scientifiques. + Explorer plus loin

Un déclencheur électrique tire des photons uniques et identiques