Genombrott inom området nanofotonik - hur ljus beter sig på nanometerskalan - har banat väg för uppfinningen av "metamaterial, " konstgjorda material som har enorma tillämpningar, från fjärravkänning i nanoskala till energiskörd och medicinsk diagnostik. Men deras inverkan på det dagliga livet har hindrats av en komplicerad tillverkningsprocess med stora felmarginaler.

Nu publiceras en ny tvärvetenskaplig studie från Tel Aviv University i Ljus:Vetenskap och tillämpningar demonstrerar ett sätt att effektivisera processen att designa och karakterisera grundläggande nanofoton, metamaterialelement. Studien leddes av Dr Haim Suchowski från TAU:s skola för fysik och astronomi och prof. Lior Wolf från TAU:s Blavatnik School of Computer Science och utfördes av forskaren Dr. Michael Mrejen och TAU:s doktorander Itzik Malkiel, Achiya Nagler och Uri Arieli.

"Processen att designa metamaterial består av att skära element i nanoskala med ett exakt elektromagnetiskt svar, " säger Dr. Mrejen. "Men på grund av komplexiteten i den involverade fysiken, designen, tillverkning och karakteriseringsprocesser av dessa element kräver en enorm mängd försök och misstag, dramatiskt begränsa deras tillämpningar."

Deep Learning en nyckel till precisionstillverkning

"Vårt nya tillvägagångssätt beror nästan helt på Deep Learning, ett datornätverk inspirerat av den mänskliga hjärnans skiktade och hierarkiska arkitektur, " Prof. Wolf förklarar. "Det är en av de mest avancerade formerna av maskininlärning, ansvarig för stora tekniska framsteg, inklusive taligenkänning, översättning och bildbehandling. Vi trodde att det skulle vara rätt tillvägagångssätt för att designa nanofotoniska, metamaterialelement."

Forskarna matade ett Deep Learning-nätverk med 15, 000 artificiella experiment för att lära nätverket det komplexa förhållandet mellan nanoelementens former och deras elektromagnetiska svar. "Vi visade att ett "utbildat" Deep Learning-nätverk kan förutsäga, på en bråkdel av en sekund, geometrin hos en tillverkad nanostruktur, " säger Dr Suchowski.

Forskarna visade också att deras tillvägagångssätt framgångsrikt producerar den nya designen av nanoelement som kan interagera med specifika kemikalier och proteiner.

Allmänt tillämpliga resultat

"Dessa resultat är brett applicerbara på så många områden, inklusive spektroskopi och riktad terapi, dvs. den effektiva och snabba designen av nanopartiklar som kan rikta in sig på skadliga proteiner, " säger Dr Suchowski. "För första gången, en ny Deep Neural Network, tränat med tusentals syntetiska experiment, kunde inte bara bestämma dimensionerna av föremål i nanostorlek utan kunde också tillåta snabb design och karakterisering av metasytebaserade optiska element för riktade kemikalier och biomolekyler.

"Vår lösning fungerar också tvärtom. När en form väl är tillverkad, det tar vanligtvis dyr utrustning och tid att bestämma den exakta formen som faktiskt har tillverkats. Vår datorbaserade lösning gör det på en bråkdel av en sekund baserat på en enkel transmissionsmätning."

Forskarna, som också har skrivit patent på sin nya metod, utökar för närvarande sina Deep Learning-algoritmer till att omfatta kemisk karakterisering av nanopartiklar.