Model AI dengan cepat memetakan kondisi batas ke keselarasan molekuler dan lokasi cacat, menggantikan simulasi berjam-jam dan memungkinkan eksplorasi cepat serta desain terbalik dari material optik canggih. (Sepasang cacat titik dengan kekuatan yang sama dan tanda berlawanan saling menarik dan memusnahkan.) Kredit: Ingo Dierking
Banyak pola kompleks yang terlihat di alam muncul ketika simetri terpecah. Saat suatu sistem bergeser dari keadaan yang sangat simetris ke keadaan yang lebih teratur, ketidakaturan kecil namun stabil dapat muncul. Fitur-fitur ini, yang dikenal sebagai cacat topologi, muncul di berbagai skala yang sangat berbeda, dari struktur alam semesta hingga material umum. Karena muncul di mana pun keteraturan terbentuk, fitur-fitur ini menawarkan cara yang ampuh bagi para ilmuwan untuk memahami bagaimana sistem kompleks mengatur dirinya sendiri.
Kristal cair nematik menyediakan lingkungan yang sangat berguna untuk mempelajari cacat-cacat ini. Dalam jenis material ini, molekul dapat berputar bebas sambil tetap mengarah ke arah yang kurang lebih sama. Kombinasi ini membuat kristal cair mudah dikendalikan dan diamati, memungkinkan para peneliti untuk melacak bagaimana cacat muncul, bergeser, dan tersusun kembali dari waktu ke waktu. Secara tradisional, para ilmuwan menggambarkan struktur ini menggunakan teori Landau-de Gennes, kerangka kerja matematika yang menjelaskan bagaimana keteraturan molekuler runtuh di dalam inti cacat, di mana orientasi tidak lagi memiliki definisi yang jelas.
AI Turut Membantu Mempercepat Prediksi Cacat
Para peneliti yang dipimpin oleh Profesor Jun-Hee Na dari Universitas Nasional Chungnam, Republik Korea, kini telah memperkenalkan cara yang lebih cepat untuk memprediksi pola cacat stabil menggunakan pembelajaran mendalam. Karya mereka menggantikan simulasi numerik yang lambat dan mahal secara komputasi dengan pendekatan berbasis AI yang memberikan hasil jauh lebih cepat.
Metode ini, yang dipublikasikan dalam jurnal Small, dapat menghasilkan prediksi dalam hitungan milidetik, bukan berjam-jam seperti yang biasanya dibutuhkan oleh simulasi konvensional.
“Pendekatan kami melengkapi simulasi yang lambat dengan prediksi yang cepat dan andal, sehingga memfasilitasi eksplorasi sistematis terhadap rezim yang kaya akan cacat,” kata Prof. Na.
Di dalam Model Pembelajaran Mendalam
Tim tersebut membangun sistem mereka menggunakan arsitektur 3D U-Net, jenis jaringan saraf konvolusional yang umum digunakan dalam analisis citra ilmiah dan medis. Desain ini memungkinkan model untuk mengenali baik keselarasan skala besar maupun detail lokal halus yang terkait dengan cacat. Alih-alih menjalankan simulasi langkah demi langkah, kerangka kerja ini secara langsung menghubungkan kondisi batas ke keadaan keseimbangan akhir. Informasi batas diberikan ke jaringan, yang kemudian memprediksi medan keselarasan molekuler penuh, termasuk bentuk dan posisi cacat.
Untuk melatih model tersebut, para peneliti menggunakan data dari simulasi tradisional yang mencakup berbagai skenario penyelarasan yang berbeda. Setelah pelatihan, jaringan tersebut mampu memprediksi secara akurat konfigurasi baru yang belum pernah ditemui sebelumnya. Prediksi ini sangat sesuai dengan hasil dari simulasi dan eksperimen laboratorium.
Menangani Cacat yang Kompleks dan Menggabungkan
Alih-alih bergantung pada persamaan fisika eksplisit, model ini mempelajari perilaku material langsung dari data. Hal ini memberikan fleksibilitas untuk menangani kasus-kasus yang sangat rumit, termasuk cacat topologi tingkat tinggi di mana cacat dapat bergabung, terpisah, atau mengatur ulang diri mereka sendiri. Eksperimen mengkonfirmasi bahwa AI secara akurat menangkap perilaku ini, menunjukkan bahwa ia bekerja dengan andal dalam berbagai kondisi.
Jalur Lebih Cepat Menuju Material Canggih
Karena pendekatan ini memungkinkan para ilmuwan untuk mengeksplorasi banyak kemungkinan desain dengan cepat, hal ini juga menciptakan peluang baru untuk mendesain material dengan struktur cacat yang terkontrol dengan cermat. Kemampuan ini sangat berharga untuk perangkat optik canggih dan metamaterial.
“Dengan mempersingkat proses pengembangan material secara drastis, desain berbasis AI dapat mempercepat penciptaan material cerdas untuk berbagai aplikasi, mulai dari tampilan holografik dan VR atau AR hingga sistem optik adaptif dan jendela pintar yang merespons lingkungannya,” kata Prof. Na.