Massachusetts Teknoloji Enstitüsü’nde (MIT) Mingda Li’nin liderlik ettiği araştırma ekibi, metni-görüntüye gibi üretken yapay zeka sınıfından difüzyon modellerini kuantum malzeme keşfine yönlendiren yeni bir teknik tanımladı. SCIGEN (Structural Constraint Integration in GENerative model) adı verilen bilgisayar kodu, modelin her üretim adımında kullanıcı tarafından belirlenen geometrik tasarım kurallarına uymasını zorunlu kılıyor. Böylece, “kararlılık için optimize edilen” sıradan aday seli yerine, süperiletkenlik, kuantum spin sıvısı, düz bant gibi olağanüstü kuantum olgularıyla ilişkilendirilen özel kafes desenlerini taşıyan yapılar sistematik biçimde üretiliyor.
YAPAY ZEKA TASARIMI
Ekip, Google–Microsoft–Meta gibi grupların yaygın ürettiği “kararlı ama sıradan” malzeme akışının, az sayıdaki çığır açıcı adayın gözden kaçmasına yol açabildiğini vurguluyor. Bu nedenle hedef, on milyonlarca değil, “gerçekten iyi” birkaç malzemeyi bulmak. Çalışma, Nature Materials’ta yayımlandı; MIT’ten Ryotaro Okabe, Mouyang Cheng, Abhijatmedhi Chotrattanapituk, Denisse Cordova Carrizales, Manasi Mandal, Kiran Mak, Bowen Yu, Nguyen Tuan Hung, Xiang Fu ve Tommi Jaakkola’nın yanı sıra Emory (Yao Wang), Michigan State (Weiwei Xie), Oak Ridge National Laboratory (YQ Cheng) ve Princeton (Robert Cava) iş birliği yer aldı.
KAFES TABANLI KURALLAR
Kuantum malzemelerde yapı-özellik ilişkisi belirleyicidir. Kare kafes yüksek Tc süperiletkenler, Kagome ve Lieb kafesleri düz bantlar ve kuantum spin sıvıları gibi hedeflerle ilişkilendirilir. SCIGEN, difüzyon modelinin ürettiği kristal yapıları bu kafes kurallarına göre filtreleyip düzelterek, kurala uymayan örnekleri eler. Araştırmacılar, SCIGEN’i popüler üretken model DiffCSP üzerinde denedi ve Arşimet kafesleri (çokgen döşemeleri) gibi desenlere uyan 10 milyondan fazla aday üretti; bunların 1 milyonu ilk kararlılık taramasını geçti.
SÜPER BİLGİSAYARLI ELEME
Havuz daraltıldıktan sonra, ekip Oak Ridge süperbilgisayarlarında 26 bin yapıyı ayrıntılı hesaplamalarla inceledi; yapısal–elektronik davranış üzerinden yapılan simülasyonlarda kayıtların yüzde 41’inde manyetizma işaretleri bulundu. Bu sonuç, ‘kafes-kısıtlı üretim’ yaklaşımının kuantum hedefler için seçicilik sağladığına işaret ediyor ve düz bant/fürriye topolojisi gibi fenomenlerin malzeme tasarımıyla tetiklenebileceğini destekliyor.
LABORATUVAR ÖRNEK DOĞRULAMA
Hesaptan deneyime geçişte, Michigan State ve Princeton laboratuvarlarında daha önce raporlanmamış iki bileşik, TiPdBi ve TiPbSb, SCIGEN’in önerdiği yapı-özellik ilişkileri gözetilerek sentezlendi. Ölçümler, üretken modelin öngördüğü egzotik manyetik davranışla büyük ölçüde örtüştü. Bu, ‘üretken-AY’ (AI) tasarım → ab initio eleme → deneysel doğrulama zincirinin, kuantum malzemeler için uçtan uca çalışabildiğini gösteren somut bir örnek oldu.
Araştırma ekibi, Kagome ve Arşimet kafeslerinin yalnızca nadir toprak içermeden nadir toprak benzeri davranışlar sergileyen kuantum spin sıvısı adaylarına değil, aynı zamanda karbon yakalama gibi gözenek avantajı gerektiren uygulamalara da kapı araladığını vurguluyor. Mevcutta bazı kafesler için bilinen hiçbir malzeme bulunmaması, SCIGEN’in ‘ilk örnek’ keşfini mümkün kılabilecek keşif hızını öne çıkarıyor.
Gelecekte, SCIGEN’in geometrik kısıtlarına kimyasal–işlevsel kuralların da eklenmesi, topolojik süperiletkenlik, kuantum hata toleranslı kübit ve spintronik hedefleri için daha ince ayarlı aramalar yapılmasına olanak verecek. Yöntem, kararlılık oranını bilinçli olarak azaltıp, yüksek değerli adayların yoğunlaştığı bir arama uzayı yaratıyor; bu da deneycilerin binlerce ‘hedefe değer’ numune ile hızlı tarama yapabilmesini sağlıyor.
Dış değerlendirmelerde de, makine öğreniminin ‘istenen kafese uygun kimyasal bileşimi’ tahmin eden bu yeni rolünün, elektronik–manyetik–optik teknolojilerde keşif hızını artıracağı not ediliyor. Ekip, her ne kadar üretken modeller keşfi hızlandırsa da, sentez ve ölçümün vazgeçilmezliğinin altını çiziyor: Gerçek cihaz performansı hala deneyhanede yazılıyor.
