رشته هایی که می توانند برای همیشه ارتعاش کنند

تیر 8, 1403
utta-admin

محققان دانشگاه TU Delft و براون تشدید کننده‌های رشته‌مانندی را مهندسی کرده‌اند که قادر به ارتعاش طولانی‌تر در دمای محیط نسبت به هر جسم حالت جامد شناخته‌شده قبلی هستند – به دمایی نزدیک می‌شوند که در حال حاضر فقط در دمای صفر مطلق قابل دستیابی است. مطالعه آنها که در Nature Communications منتشر شده است ، لبه […]

محققان دانشگاه TU Delft و براون تشدید کننده‌های رشته‌مانندی را مهندسی کرده‌اند که قادر به ارتعاش طولانی‌تر در دمای محیط نسبت به هر جسم حالت جامد شناخته‌شده قبلی هستند – به دمایی نزدیک می‌شوند که در حال حاضر فقط در دمای صفر مطلق قابل دستیابی است. مطالعه آنها که در Nature Communications منتشر شده است ، لبه فناوری نانو و یادگیری ماشین را برای ساخت برخی از حساس ترین حسگرهای مکانیکی جهان پیش می برد.

نانورشته‌های تازه توسعه‌یافته دارای بالاترین فاکتورهای کیفیت مکانیکی هستند که تا به حال برای هر جسم بستن در محیط‌های دمای اتاق ثبت شده است. در مورد آنها به یک ریزتراشه متصل شده است. این باعث می شود این فناوری برای ادغام با پلتفرم های میکروچیپ موجود جالب باشد. فاکتورهای کیفیت مکانیکی نشان دهنده چگونگی خروج انرژی از یک جسم ارتعاشی است. این رشته‌ها به‌طور ویژه طراحی شده‌اند تا ارتعاشات را به دام بیاندازند و اجازه ندهند انرژی آنها به بیرون نشت کند.

استادیار ریچارد نورت می‌گوید: «تابی را تصور کنید که پس از فشار دادن، تقریباً 100 سال به چرخش خود ادامه می‌دهد، زیرا تقریباً هیچ انرژی از طریق طناب‌ها از دست نمی‌دهد». “نانورینگ های ما کاری مشابه انجام می دهند، اما به جای ارتعاش یک بار در ثانیه مانند یک تاب، رشته های ما 100000 بار در ثانیه ارتعاش می کنند. از آنجا که نشت انرژی برای آن دشوار است، همچنین به این معنی است که سر و صدای محیطی به سختی وارد می شود، و این باعث می شود که اینها برخی از بهترین حسگرها برای محیط های دمای اتاق

این نوآوری برای مطالعه پدیده‌های کوانتومی ماکروسکوپی در دمای اتاق – محیط‌هایی که قبلاً چنین پدیده‌هایی با نویز پوشانده شده بودند، بسیار مهم است. در حالی که قوانین عجیب و غریب مکانیک کوانتومی معمولاً فقط در اتم‌های منفرد دیده می‌شوند، توانایی نانورشته‌ها برای جداسازی خود از نویز ارتعاشی مبتنی بر گرما به آنها اجازه می‌دهد تا پنجره‌ای را به امضای کوانتومی خود باز کنند. رشته های ساخته شده از میلیاردها اتم. در محیط های روزمره، این نوع قابلیت می تواند کاربردهای جالبی برای سنجش مبتنی بر کوانتوم داشته باشد.

دکتر آندریا کوپرتینو، که رهبری تلاش‌های آزمایشی را بر عهده داشت، گفت: «فرایند تولید ما با توجه به آنچه امروزه در فناوری نانو امکان‌پذیر است، در جهت متفاوتی پیش می‌رود. سیم‌ها 3 سانتی‌متر طول و 70 نانومتر ضخامت دارند، اما در مقیاس‌های بزرگ‌تر، این معادل ساخت سیم‌های شیشه‌ای گیتار است که در نیم کیلومتری آویزان هستند و تقریباً هیچ افتادگی ندارند. این نوع ساختارهای افراطی فقط در مقیاس‌های نانو امکان‌پذیر است که اثرات گرانش و وزن متفاوت است. این به ساختارهایی اجازه می‌دهد که در مقیاس‌های روزمره ما غیرقابل اجرا باشند، اما به‌ویژه در دستگاه‌های مینیاتوری که برای اندازه‌گیری مقادیر فیزیکی مانند فشار، دما استفاده می‌شوند، مفید هستند. کوپرتینو توضیح می‌دهد که شتاب و میدان‌های مغناطیسی، که آن‌ها را حسگر MEMS می‌نامیم.

این نانورشته‌ها با استفاده از تکنیک‌های نانوتکنولوژی پیشرفته توسعه‌یافته در TU Delft ساخته می‌شوند و مرزهای چگونگی ساخت نانوساختارهای نازک و بلند معلق را افزایش می‌دهند. نکته کلیدی این همکاری این است که این نانوساختارها را می‌توان به قدری عالی روی یک ریزتراشه ساخت، که تطابق فوق‌العاده‌ای بین شبیه‌سازی‌ها و آزمایش‌ها وجود دارد – به این معنی که شبیه‌سازی‌ها می‌توانند به‌عنوان داده‌ای برای الگوریتم‌های یادگیری ماشین عمل کنند، نه آزمایش‌های پرهزینه. دکتر دانگیل شین، نویسنده اصلی، که این الگوریتم ها را با میگل بسا توسعه داد، گفت: “رویکرد ما شامل استفاده از الگوریتم های یادگیری ماشین برای بهینه سازی طراحی بدون ساخت مداوم نمونه های اولیه بود.” برای افزایش کارایی طراحی این ساختارهای بزرگ با جزئیات، الگوریتم‌های یادگیری ماشین به‌طور هوشمندانه از بینش‌های آزمایش‌های رشته‌ای ساده‌تر و کوتاه‌تر برای اصلاح طرح‌های رشته‌های طولانی‌تر استفاده کردند و فرآیند توسعه را هم اقتصادی و هم مؤثر ساختند.

به گفته Norte، موفقیت این پروژه گواهی بر همکاری مثمر ثمر بین متخصصان نانوتکنولوژی و یادگیری ماشین است که بر ماهیت میان رشته ای تحقیقات علمی پیشرفته تاکید دارد.

پیامدهای این نانورشته‌ها فراتر از علوم پایه است. آنها مسیرهای نویدبخش جدیدی را برای ادغام حسگرهای بسیار حساس با فناوری ریزتراشه استاندارد ارائه می دهند که منجر به رویکردهای جدید در سنجش مبتنی بر ارتعاش می شود. در حالی که این مطالعات اولیه بر روی رشته‌ها تمرکز دارند، می‌توان این مفاهیم را به طرح‌های پیچیده‌تر برای اندازه‌گیری پارامترهای مهم دیگر مانند شتاب برای ناوبری اینرسی یا چیزی که بیشتر شبیه سر درام ارتعاشی برای میکروفون‌های نسل بعدی است، گسترش داد. این تحقیق مجموعه وسیعی از امکانات را هنگام ترکیب پیشرفت‌های فناوری نانو با یادگیری ماشینی برای گشودن مرزهای جدید در فناوری نشان می‌دهد.


Materials provided by Delft University of TechnologyNote: Content may be edited for style and length.

اشتراک گذاری در

ارسال دیدگاه