Viyana Teknoloji Üniversitesi'ndeki araştırmacılar, bilinen malzemeleri atom seviyesinde değiştirerek yeni ve değerli özellikler kazandırmayı başardı. Heusler bileşikleri olarak adlandırılan bu malzemeler üzerinde yapılan hedefli atom değişimi sayesinde termoelektrik performansta rekor düzeylere ulaşıldı. Bu gelişme, ısı enerjisini elektrik enerjisine dönüştüren sistemlerde çığır açıcı uygulamalara kapı aralıyor. Termoelektrik malzemeler, atık ısıdan elektrik üretimi, elektronik cihazların soğutulması ve uzay teknolojilerinde kritik rol oynuyor. Araştırmacıların geliştirdiği yöntem, mevcut malzemelerin özelliklerini köklü şekilde değiştirmek için yeni bir yaklaşım sunuyor.

Bilim insanları, 3 boyutlu atomik yeniden düzenleme tekniği ile sadece 40 dakika içinde 40 bin kuantum kusuru oluşturmayı başardı. Bu gelişme, malzemelerin atom atom tasarlanması alanında önemli bir ilerleme kaydediyor. 1987'den bu yana tek atomları hareket ettirme yeteneğine sahip olan bilim dünyası, artık malzemelere egzotik kuantum özellikleri kazandırmak için birkaç farklı teknik kullanabiliyor. Bu yeni yaklaşım, kuantum davranışlarının anlaşılması ve özelleştirilmiş malzeme tasarımında büyük potansiyel sunuyor.

Uluslararası bir araştırma ekibi, kristal kafes içerisinde açısal momentumun nasıl aktarıldığını ve korunduğunu ilk kez doğrudan gözlemledi. HZDR ve Max Planck Enstitüsü bilimcilerinin de yer aldığı çalışmada, yoğun terahertz lazer darbelerini kullanarak bu süreçleri seçici bir şekilde kontrol ettiler. Araştırma sırasında şaşırtıcı bir etki keşfedildi: açısal momentum transferi esnasında, malzemenin rotasyonel simetrisi nedeniyle dönüş yönü tersine çevriliyor. Bu buluş, katı hal fiziğinde atom düzeyindeki dinamiklerin anlaşılması açısından önemli bir adım teşkil ediyor ve gelecekte malzeme biliminde yeni uygulamalara kapı aralayabilir.

Araştırmacılar, ışığa maruz kalan moleküllerin karmaşık davranışlarını anlamak için yeni bir yapay zeka yöntemi geliştirdi. Moleküller ışık absorpladığında enerjiyi nasıl kaybettiği ve hangi atom hareketlerinin bu süreçte kritik rol oynadığı, kimyasal fizik alanının temel sorularından biri. Bu yeni yaklaşım, Farklılaştırılabilir Bilgi Dengesizliği adı verilen bir makine öğrenmesi tekniği kullanarak, binlerce atom hareketi arasından en önemli olanları belirleyebiliyor. Yöntem, moleküler dinamik simülasyonlarından elde edilen büyük veri kümelerini analiz ederek, moleküllerin enerji kaybetme mekanizmalarını daha iyi anlamamızı sağlıyor. Bu gelişme, güneş pilleri, LED teknolojileri ve fotoğraf filmlerinin tasarımında önemli uygulamalara sahip olabilir.

Araştırmacılar, moleküllerin kimyasal özelliklerini anlamada kritik bir sorunu çözdü. Aynı yapıya sahip atomlar gerçekte farklı kimyasal ortamlarda bulunabilir, ancak geleneksel yöntemler bu farkları yakalayamıyor. Bilim insanları, NMR spektroskopisi verilerini yapay zeka ile birleştirerek CLAIM adlı yeni bir sistem geliştirdi. Bu sistem, moleküllerin 2D yapısal bilgilerini atom seviyesindeki NMR gözlemleriyle eşleştiriyor. Böylece kaybolmuş kimyasal detayları geri kazandırıyor ve dinamik moleküler davranışları daha iyi anlamamızı sağlıyor. Araştırma, ilaç keşfi ve malzeme biliminde yeni olanaklar sunuyor.

Araştırmacılar, malzemelerdeki iyon taşınımını tahmin etmek için yeni bir yapay zeka yöntemi geliştirdi. Geleneksel moleküler dinamik simülasyonları çok yavaş ve maliyetli olurken, mevcut AI yöntemleri de hata birikimine eğilimli. Yeni yaklaşım, eğitim sırasında atomik yörüngeleri yardımcı veri olarak kullanarak hem hızlı hem de doğru tahminler üretiyor. Bu gelişme, batarya teknolojisinden ilaç tasarımına kadar birçok alanda devrim yaratabilir. Sistem, statik atom yapılarından dinamik iyon davranışlarını öğrenmeyi başararak, malzeme bilimindeki büyük bir zorluğu çözüyor.

Araştırmacılar, atomik özelliklerin makine öğrenmesi hedefleri olarak değerlendirilmesinde yeni bir yaklaşım geliştirdi. Kısmi yükler ve multipoller gibi atomik özellikler kimyasal açıdan anlamlı bilgiler içerse de, bu özelliklerin atom düzeyinde değerlendirilmesi zorlu bir süreç olmuştur. Yeni çalışmada, atomik ortamları SOAP tanımlayıcıları ile kümeleyerek ve sadece eğitim sırasında görülmeyen küme etiketlerini hesaba katarak bir değerlendirme protokolü önerildi. Bu protokol kullanılarak, H, C, N ve O atomlarının elektron popülasyonları ile multipollerini tahmin etmede E(3)-eşdeğişken ve eşdeğişken olmayan modeller karşılaştırıldı. Araştırma sonucunda, rotasyonel olarak güçlendirilmiş ve eşdeğişken olmayan graf sinir ağı olan Quantum Topological Neural Network (QT-Net) geliştirildi.

Bilim insanları, beş üyeli heterosiklik moleküllerde pozitronların bağlanma enerjilerini gelişmiş kuantum mekaniği yöntemleriyle hesapladı. Pozitron, elektronun antimadde karşılığı olan bir parçacıktır ve moleküllerle nasıl etkileşime girdiğini anlamak hem temel fizik hem de uygulamalı bilim açısından önemlidir. Araştırmada, azot, oksijen, kükürt atomları içeren beş üyeli halka yapılar incelendi. Çok-cisim teorisi ve Bethe-Salpeter denklemleri kullanılarak pozitron-molekül etkileşimleri modelendi. Bu hesaplamalar, pozitronların moleküller tarafından nasıl polarize edildiğini ve elektron-pozitron Coulomb etkileşiminin nasıl perdeleneceğini gösteriyor. Özellikle sanal pozitronyum oluşum süreci gibi kritik fiziksel mekanizmalar detaylı olarak analiz edildi. Sonuçlar, farklı atom türlerinin molekül halkasındaki yerleşiminin pozitron bağlanma enerjilerini nasıl etkilediğini ortaya koyuyor ve moleküler orbitallerin bu süreçteki rolünü quantifiye ediyor.

Araştırmacılar, su kümelerinin davranışını tahmin etmek için yenilikçi bir yapay zeka destekli moleküler dinamik simülasyon yöntemi geliştirdi. PDMD adlı bu sistem, geleneksel yöntemlerin karşılaştığı doğruluk-hız ikilemini çözerek, hem yüksek hassasiyette hem de hızlı hesaplamalar yapabiliyor. Gaussian tabanlı geometrik tanımlayıcılar ve ChemGNN adlı grafik sinir ağı kullanan sistem, herhangi bir boyuttaki su kümesinin enerji ve kuvvet değerlerini tahmin edebiliyor. Sistem, enerji tahmininde atom başına 1,39 meV, kuvvet tahmininde ise angström başına 50,7 meV hata payıyla çalışıyor ve mevcut DeepMD teknolojisinden 5 kat daha iyi performans gösteriyor. Bu gelişme, malzeme bilimi ve kimya simülasyonlarında önemli ilerlemeler sağlayabilir.

Araştırmacılar, nötr atom kuantum mimarilerinde atom yönlendirme problemini çözmek için hipergraflara dayalı yeni bir yaklaşım geliştirdiler. Ramanujan hipergrafları kullanılan bu yöntem, kuantum bitlerinin (kübitlerin) yeniden düzenlenmesi sürecini büyük ölçüde optimize ediyor. Çalışma, N atomlu bir sistemde yönlendirme sayısının logaritmik ölçekte (log N) gerçekleştirilebileceğini matematiksel olarak kanıtlıyor. Bu gelişme, özellikle 3D akusto-optik lens mimarilerinde çok katmanlı yığınlama teknikleriyle kuantum hesaplamaların verimliliğini artırabilir. Yeni yaklaşım, geleneksel çift taraflı spektral boşluk hipotezini tek taraflı bir koşulla değiştirerek problemi basitleştiriyor.

Bilim insanları, tek boyutlu atom zincirlerindeki ses dalgalarının davranışını matematiksel olarak modelleyen yeni bir çalışma yayınladı. Araştırma, atomlar arası zayıf etkileşimler ve rastgele momentum alışverişlerinin foton modları üzerindeki etkilerini inceliyor. Çalışmada, ses hızları etrafında yeniden merkezlenen foton dalgalanma alanlarının, iki bağımsız stokastik Burgers denkleminin durağan çözümlerine yakınsadığı gösteriliyor. Bu bulgular, özellikle kübik terimli anharmonik potansiyellerde görülen doğrusal olmayan etkilerin anlaşılmasında önemli. Matematiksel fizik alanındaki bu ilerleme, katı hal fiziği ve malzeme biliminde ses dalgalarının davranışını daha iyi anlamamızı sağlayabilir.