La ciencia de materiales avanza a pasos agigantados, y un reciente estudio liderado por el profesor Masato Kotsugi, del Departamento de Ciencia y Tecnología de Materiales de la Universidad de Ciencia de Tokio (TUS), ha puesto de manifiesto el papel crucial que puede jugar la inteligencia artificial en la optimización de estructuras en películas delgadas. Estas películas, compuestas por capas de materiales de apenas unos nanómetros de grosor, son esenciales en tecnologías que van desde los semiconductores hasta las comunicaciones de alta velocidad.
Las películas delgadas se crean mediante la deposición de capas diminutas sobre un sustrato, y las condiciones del proceso de crecimiento influyen de manera significativa en su microestructura. Este aspecto, a su vez, impacta directamente en su rendimiento y funcionalidad. Uno de los principales desafíos en la producción de dispositivos de película delgada es la formación de estructuras dendríticas, que se asemejan a patrones ramificados en forma de árbol. Estas estructuras se observan comúnmente en materiales como el cobre, el grafeno y el borofeno, especialmente en las etapas iniciales del crecimiento y en películas multicapa.
Innovaciones mediante inteligencia artificial
Tradicionalmente, el estudio de estas estructuras dendríticas se ha basado en análisis visuales rudimentarios y en interpretaciones subjetivas. Comprender las condiciones que promueven el ramificado dendrítico es crucial para optimizar el proceso de crecimiento de las películas delgadas, aunque los métodos existentes a menudo requieren un considerable ensayo y error. Para abordar estas limitaciones, el equipo de investigación de Kotsugi desarrolló un modelo innovador de inteligencia artificial explicativa para el análisis de estas estructuras.
El estudio, publicado en Science and Technology of Advanced Materials: Methods, presenta un método que integra la homología persistente y el análisis de energía junto con técnicas de aprendizaje automático. Esta combinación permite un análisis multiescalar de los agujeros y conexiones dentro de las estructuras geométricas, capturando características topológicas complejas que los métodos de procesamiento de imágenes convencionales suelen pasar por alto.
A través del análisis de la morfología de las dendritas, el equipo utilizó la homología persistente para extraer características esenciales que, mediante un análisis de componentes principales (PCA), fueron reducidas a un espacio bidimensional. Esto permitió cuantificar los cambios estructurales en las dendritas y establecer una relación entre estos cambios y la energía libre de Gibbs, que influye en la formación de dendritas durante el crecimiento cristalino.
Los hallazgos del equipo revelan las condiciones específicas y los mecanismos ocultos que afectan el ramificado dendrítico. Kotsugi señala que su marco de trabajo mapea cuantitativamente la morfología dendrítica a las variaciones de energía libre de Gibbs, revelando gradientes de energía que impulsan este comportamiento de ramificación. Para validar su enfoque, los investigadores estudiaron el crecimiento dendrítico en un sustrato de cobre hexagonal, comparando sus resultados con datos de simulaciones de campo de fase.
Este método podría no solo optimizar la fabricación de dispositivos de película delgada de alta calidad, sino que también conducir a avances en tecnologías de comunicación por encima del 5G. La investigación sugiere que al integrar la topología y el análisis de energía, se puede establecer una conexión jerárquica entre microestructuras a escala atómica y funcionalidades macroscópicas en una amplia variedad de materiales, abriendo la puerta a futuros avances en la ciencia de materiales.
El potencial de este trabajo se extiende más allá de las aplicaciones inmediatas, ya que podría desencadenar innovaciones en tecnología de sensores, física de no equilibrio y materiales de alto rendimiento, desvelando así relaciones ocultas entre estructura y función y avanzando en el análisis de sistemas complejos.
