一种控制光线以实现更快未来计算机的新方法

科学家们创造了一种新型超材料，可为光子计算提供全面的遮光功能。

A 超材料是一种工程材料 这些材料的特性并非源于其基本成分的化学组成，而是源于其精心设计的内部结构。因此，这些材料可以展现出不同寻常的性质。 属性 找不到 在天然材料中。

这些材料通常由多种材料（例如金属和塑料）组成，并以重复的亚波长结构排列。其形状、尺寸、几何结构、方向和排列方式赋予了它们独特的特性，使它们能够通过吸收、弯曲、增强或阻挡波来操控电磁波、声波或地震波，从而实现传统材料无法达到的效果。

此 新型超材料工程¹ 纽约大学的科学家们结合了以下特点 ， 通常与液体和晶体相关 但超越 都 其中 它能够阻挡来自各个角度的入射光。

这种被称为“陀螺形体”的新型功能相关无序材料，将液态的无序性与大规模的结构模式相结合，能够阻挡来自各个方向的光线。该研究指出：

“我们利用谱优化方法生成二维和三维陀螺形，验证了它们表现出很强的离散旋转有序性，但没有长程平移有序性，同时在足够大的范围内保持短程旋转各向同性。 𝐺。” 

凭借这项创新，研究人员已经 解决 基于准晶体的设计存在诸多局限性，这些局限性由来已久。 一直很烦人 科学家们。 它还有助于推动光子计算领域的发展。

从准晶体到光子计算中的陀螺仪

在光子计算中，光子 而不是 电流 使用 为了表演 计算。 一旦实现，这种新一代计算机的效率和速度将远超传统的计算机。

通过 以光速进行数据处理它在人工智能等高性能任务方面具有应用前景，但该技术目前在小型化和成本方面面临挑战。 

该领域的进步促成了功能性光子芯片的开发，这些芯片可以集成到高性能计算服务器中。 但光驱动计算仍然 以 早 阶段研究人员正努力控制穿过芯片的微小光束。 

我们需要精心设计的材料，才能成功地重新路由这些微弱的光信号，同时又不削弱它们的强度。 保持这些信号强劲需要 a 专业、轻便 物质中的 防止杂散光从任何方向进入的硬件。 

实现这一目标的关键在于引入各向同性带隙材料。 这种材料能够阻挡光或其他波向各个方向传播，只要其频率在其带隙范围内。这种材料可以是无序的，但又具有超均匀性，这意味着它缺乏长程平移有序性，但具有一种特定的、可控的随机性。

在设计各向同性带隙材料时，研究人员已经…… 长期聚焦 在准晶体上。

这些结构 这 遵循数学规律，但不会像传统晶体那样重复。 最初被发现 科学家丹·谢克特曼返回 20世纪80年代初，他因这项研究获得了诺贝尔奖。 2011年获得化学博士学位。

发现 后 在研究铝和锰的时候。当这两种金属…… 熔化在一起 经过快速冷却形成合金后，它们在电子显微镜下呈现出十重对称性，这是金属等晶体结构所不具备的特性。

准晶体具有类似钻石的晶体结构特性，这意味着它们 组织 准晶体既可以形成图案，也可以形成像玻璃一样的非晶态结构，这意味着这些图案不会重复。它们独特的性质使得准晶体既耐用又易碎。

今年早些时候，密歇根大学的一项研究表明： 研究人员发现，准晶体本质上是一种稳定的材料。² 尽管与无序固体有相似之处。

“如果我们想要设计出具有所需性能的材料，就需要知道如何将原子排列成特定的结构，”该研究的共同作者、陶氏化学材料科学与工程系早期职业助理教授孙文浩指出。“准晶体迫使我们重新思考某些材料是如何以及为什么能够形成的。”

提供 这个 的答案 只是 为什么准晶体存在，或者它们是如何形成的？ 形成研究人员曾 首先要明白 只是 是什么使它们稳定？ 为此，他们必须 确定 if 准晶体是焓稳定或熵稳定的， so 研究人员 了 更小的纳米颗粒 来自更大的模拟块 of 准晶体， 然后 计算 总能量 in 每个纳米颗粒。

研究人员发现，两种研究较为深入的准晶体——钪锌合金和镱镉合金——都是焓稳定的。

为了进行计算，研究团队利用了准晶体的量子力学模拟，并且 解决 这个 计算 瓶颈，他们只有 这个 相邻处理器之间进行通信，而不是每个处理器之间进行通信。 一台 处理器 他们互相交流，这使得他们的算法速度提高了100倍。

“我们现在可以模拟玻璃和非晶态材料、不同晶体之间的界面以及晶体缺陷，这些都可以实现量子计算比特。”

–维克拉姆·加维尼 (Vikram Gavini)，密西根大学机械工程系教授 材料科学 和工程

在另一 研究, 这个 美国国家标准技术研究院（NIST） 科学家在一种新型铝锆合金中发现了准晶体³，这 是 形成 在下面 极端条件 3D金属打印。

虽然在铝粉中添加锆可以打印出高强度铝合金，但NIST团队想要了解是什么让这种金属如此坚固。 它可以使用 用于军用飞机零部件等关键部件。 

他们发现，准晶体是造成这种现象的原因。打破铝晶体的规则排列可以增强合金的强度。. 从合适的角度观察，研究团队除了发现二重和三重对称性之外，还发现了“非常罕见的”五重旋转对称性。 从两个不同的角度。

本篇据美国国家标准与技术研究院 (NIST) 物理学家、论文合著者张帆 (Fan Zhang) 称，“这将为合金设计开辟一条新途径。” 研究表明 “准晶体可以增强铝的强度。现在人们可能会尝试在未来的合金中人为地制造它们。”“ 他加了。

陀螺形材料革命内幕：各向同性带隙材料

准晶体很有前景。 甚至具备这种能力 至 完全遮挡光线但只能从有限的方向阻挡光线。虽然它们可以削弱来自各个方向的光线，但却无法完全阻挡光线。

为了克服这一局限性，科学家们一直在寻找能够更有效地阻挡信号衰减光的替代方案。 本篇 这项研究促成了陀螺形体（gyromorphs）的研发，这种材料能够更有效地防止杂散光从任何方向进入。该研究的资深作者、物理、化学、数学和神经科学助理教授斯特凡诺·马蒂尼亚尼（Stefano Martiniani）表示：

“陀螺形体与任何已知结构都不同，其独特的组成使其能够产生比现有方法更好的各向同性带隙材料。” 

然而，这些材料的性能取决于其结构，因此，工程化这些材料的一大障碍在于实现所需的排列方式。 所需的物理性质。

发表于《物理评论快报》 纽约大学的研究人员详细介绍了一种新策略⁴ 调节光学特性。

该团队开发了一种算法，可以生成具有内在无序性的功能结构。他们发现的这种新型“相关无序性”介于完全有序和完全随机这两个极端之间。

“想想森林里的树木——它们随机生长，但并非完全随机，因为它们通常彼此之间有一定的距离。这种新的模式，即陀螺形体，结合了我们认为不相容的特性，并展现出一种优于所有有序替代方案（包括准晶体）的功能。”

– 马蒂尼亚尼

研究过程中，研究团队观察到所有各向同性带隙材料都具有相同的结构特征。因此，他们致力于使这种特征“尽可能显著”，最终创造出了陀螺形材料。

论文第一作者、纽约大学物理系博士后研究员马蒂亚斯·卡修利斯指出，由此产生的新型材料“调和了看似矛盾的特性”，因为它们没有晶体状的固定重复结构，因此呈现出类似液体的无序状态。但与此同时，从远处观察，它们又会形成规则的图案。

“这些特性共同作用，形成了光波无法从任何方向穿透的带隙。”

卡修利斯 

该团队还引入了具有多种不同长度尺度旋转对称性的“多旋体”，从而能够在单个结构中形成多个带隙，进而为实现对光学性质的精细控制打开了大门。
滑动滚动→

人工智能与下一代量子材料在发现中的应用

随着研究人员不断深入探索下一代材料，全新的材料类别正在涌现。

最近，由美国能源部伯克利实验室领导的一个研究团队…… 报告了这一发现⁵ “伯克洛森”是一种含有合成的、重的、放射性化学元素伯克洛的有机金属分子。

这些分子由被碳基骨架包围的金属离子组成，虽然在早期锕系元素中相对常见，但在后期的锕系元素中却鲜为人知。

“这是首次发现锫与碳之间形成化学键的证据。 已获得“这项发现让我们对锫和其他锕系元素相对于元素周期表中其他元素的行为有了新的认识。” 合着者 Stefan Minasian，伯克利实验室化学科学部的科学家 该组织一直致力于制备锕系元素的有机金属化合物，因为这些化合物能够让他们观察锕系元素独特的电子结构。

锕系元素是元素周期表f区15种放射性金属元素的统称。铀和钚就是锕系元​​素的例子。它们因其放射性而闻名。 使用 在核反应堆和其他技术领域。

去年，瑞典乌普萨拉大学和美国哥伦比亚大学的研究人员合作开展了一项研究，最终取得了以下成果： 发现了一种名为 CeSiI 的二维量子材料⁶具有铈、硅和碘的晶体结构。其晶体结构类似于二维排列的…… 清晰的、原子级薄的层。 

CeSil中的电子表现得像重费米子，其有效质量比普通材料高出100倍。这种有效质量具有各向异性，因此取决于电子在原子层中的运动方向。

“这项发现使我们拥有了一个显著改进的材料平台，可用于研究关联电子结构。二维材料就像一套乐高积木。我们的合作伙伴已经在着手添加其他二维材料的层，以创造一种具有定制量子特性的新型材料。”

– 来自乌普萨拉大学物理与天文系的翁钦申

在材料科学领域，存在着无数的可能性，而选择合适的材料是制造产品的关键障碍。 新 发现。 虽然理论驱动的预测和基于实验的验证有助于指导选择，但它仍然存在。 支离破碎.

本篇 人工智能驱动的材料信息学正在接管这一领域，它将量子尺度的洞察力与大型数据集相结合，以快速筛选、建模和优化通过传统的反复试验不可能发现的新材料。

东北大学的一个研究团队 建了一个 人工智能构建 材料图⁷ 统一 所有的 实验数据与具有代表性的第一性原理计算数据， 目的是为了帮助 研究人员为特定情况寻找合适的材料。

这张地图是一个带有坐标轴的大型图表。 结构相似性和热电性能（zT），每个数据点代表一种材料。 这里也出现了类似的材料 关闭 邻近性。因为这些材料 通常是合成的 并使用类似的方法和设备进行评估后，该图谱可供实验人员使用。 快速发现未知高性能材料的类似物 并重新利用现有的合成方案作为下一步步骤。

这样一来，该工具可以帮助降低开发成本，加速创新及其在现实世界中的部署。 未来，该团队计划将他们的框架扩展到热电材料之外，涵盖拓扑材料和磁性材料，并纳入更多描述符，以创建一个全面的、人工智能辅助的材料设计框架。 支持平台。

“通过提供众多候选目标的直观概览，该地图帮助研究人员一目了然地选择有希望的目标；因此，它 是期待 大幅缩短新型功能材料的研发周期。”

——副教授桥本佑介

与此同时，哥德堡大学的一项研究开发了一种人工智能模型。 至 有效测定强度和耐久性⁸ 编织复合材料.

进行体格检查和详细检查 计算机模拟 设计新型高质量复合材料“尤其困难，尤其是在复合材料方面”。 被建造 作为一种编织纺织纤维材料，其中纤维相互缠绕，并根据材料所受力的不同而表现出不同的特性。 受到 “也，”哥德堡大学物理系博士生埃桑·加内指出。

虽然计算机已经能够根据材料的相互作用和影响来模拟逼真的微观结构，但编织复合材料仍然需要大量的模拟。 计算资源。 神经网络提供了一种替代方案，但它们需要大量的训练数据，并且难以进行外推。因此，该团队开发了一种通用人工智能模型，这种模型不需要那么多数据。

该模型已利用复合材料组成材料的现有仿真和测试数据进行训练，使其能够预测新型复合材料的耐久性。.

哥德堡的研究探索了将材料定律融入人工智能模型的方法，而韩国科学技术院 (KAIST) 的一个研究团队则将物理定律与其人工智能模型相结合，即使数据嘈杂或有限，也能快速探索新材料。

财产识别是 之一。 键 步骤 在开发新材料方面，但这需要 大量的 实验数据和昂贵的设备， 这限制了 研究效率。 KAIST 团队通过整合控制材料和能量变形与相互作用的规律，克服了这一需求。

研究人员 报告了一种基于物理信息的神经网络（PINN）技术⁹ 仅使用少量数据即可检测材料特性和变形行为 源自单次实验。 随后，他们引入了一种人工智能模型——物理信息神经网络算子（PINO），该模型能够理解物理定律。 并且可以推广到未见过的材料。

麻省理工学院的研究人员采用了它 通过进一步发展 该方法整合了来自多个来源的信息¹⁰: 文献资料、化学成分、微观结构图像等等. 

它是新的 Copilot 平台的一部分 面向现实世界的实验科学家（CREST）。 他们的方法利用机器人设备对材料进行高通量测试，然后将结果反馈给相关部门。 重新采用大型多模态模型来改进其方案。

研究人员使用这种“助手，而不是替代品”，来协助人类研究员的工作。斯，” 探索超过900种化学物质并进行3,500次电化学测试 这导致了 发现了一种催化剂材料，该材料在燃料电池中实现了创纪录的功率密度，从而能够发电。

投资于材料科学进步

在材料科学领域， ATI 公司 (ATI ) 该公司以其技术先进的特种材料和复杂部件而闻名。该公司为航空航天、国防、医疗、电子和能源市场生产高性能材料。

ATI的产品由镍基合金和高温合金、钛和钛基合金以及特种合金制成。公司通过两个业务部门运营：

• 高性能材料及组件（HPMC）
• 先进合金与解决方案（AA&S）

ATI公司市值达13.5亿美元，股价为99.37美元，今年以来上涨80.5%。其过去12个月的每股收益为3.10美元，市盈率为32.09倍。该公司股息收益率为0.32%。

ATI 近期公布，2025 年第三季度销售额同比增长 7%，达到 1.13 亿美元。 其GAAP净利润为110亿美元，调整后净利润为119亿美元，均同比增长30%。.

本季度每股收益为0.78美元。 调整后每股收益为 0.85 美元。

“第三季度，我们业绩超出预期，调整后盈利和经营现金流表现强劲。随着客户逐步实现增长目标，我们核心市场的需求持续向好。我们拥有丰富的差异化产品组合，这为我们国防相关业务的增长奠定了坚实的基础。”对美国及其盟友至关重要。”

——首席执行官金伯利·A·菲尔兹

最新动态 ATI 公司 （ATI）股票新闻

结论：为什么陀螺仪对光子学和投资者至关重要

材料科学是技术进步的关键， 人工智能正在加速这一进程。实验学家、理论家和机器学习系统的融合正在大幅缩短从发现到应用的时间，从而实现快速的识别、模拟和优化。材料的合成曾经需要数十年的反复试验研究。 

在此背景下，陀螺形材料的发现堪称一项意义非凡的里程碑。通过将无序与有序相结合，这种新型材料实现了对光和结构的空前控制。d 有望开启光子计算领域的下一个重大飞跃。

案例

1. Casiulis, M.、Shih, A. 和 Martiniani, S. “陀螺体：一类新型功能性无序材料。” “物理评论快报” 135(19) (2025)。 https://doi.org/10.1103/gqrx-7mn2
2. Baek, W.、Das, S.、Tan, S.、Gavini, V. 和 Sun, W. 基于密度泛函理论的准晶体稳定性和成核动力学. 自然物理学 21，980–987（2025）。 https://doi.org/10.1038/s41567-025-02925-6
3. 刘毅、张辉、周晓、陈勇，“新型混合金属氧化物对二氧化碳加氢的催化性能”。 应用催化B：环境 330 (2025). https://doi.org/10.1016/S0925-8388(25)01839-0
4. Casiulis, M.、Shih, A. 和 Martiniani, S. 陀螺形体：一类新型功能性无序材料。 《物理评论快报》135，196101（2025）。 https://doi.org/10.1103/gqrx-7mn2
5. Russo, DR, Gaiser, AN, Price, AN, Sergentu, DC., Wacker, JN, Katzer, N., Peterson, AA, Branson, JA, Yu, X., Kelly, SN, Ouellette, ET, Arnold, J., Long, JR, Lukens, WW, Jr., Teat, SJ, Abergel, RJ, Arnold, PL, Autschbach, J., & Minasian, SG 四价重锫茂中锫与碳的键合。 Science 387(6737), 974–978 (2025). https://doi.org/10.1126/science.adr3346
6. Posey, VA, Turkel, S., Rezaee, M., Devarakonda, A., Kundu, AK, Ong, CS, Thinel, M., Chica, DG, Vitalone, RA, Jing, R., Xu, S., Needell, DR, Meirzadeh, E., Feuer, ML, Jindal, A., Cui, X., Valla, T., Thunström, P., Yilmaz, T.、Vescovo, E.、Graf, D.、Zhu, X.、Scheie, A.、May, AF、Eriksson, O.、Basov, DN、Dean, CR、Rubio, A.、Kim, P.、Ziebel, ME、Millis, AJ、Pasupathy, AN 和 Roy, ​​X. 范德瓦尔斯金属 CeSiI 中的二维重费米子。 Nature 625, 483-488 (2024)。 https://doi.org/10.1038/s41586-023-06868-x
7. Hashimoto, Y., Jia, X., Li, H., & Toma, T.“通过基于图的机器学习整合实验和计算数据，构建材料图谱以增强材料发现。” APL 机器学习 3（3），036104（2025）。 https://doi.org/10.1063/5.0274812
8. 加内，E. 从数据和物理学中学习，用于编织复合材料的多尺度建模。 博士论文，哥德堡大学，2025 年。 https://hdl.handle.net/2077/85666
9. Moon, H., Park, D., Cho, H.-K., Noh, H.-K., & Ryu, S. 基于物理学原理的神经网络从极其稀少的数据中发现超弹性本构模型。 《计算机辅助应用力学与工程》446，118258（2025）。https://doi.org/10.1016/S0045782525005304
10. 张Z.、任Z.、徐C.-W.、陈W.、洪Z.-W.、李C.-F.、Penn, A.、徐H.、郑DJ、苗S.、黄Y.、高Y.、陈W.、史密斯H.、牛Y.、田Y.、卢Y.-R.、邵Y.-C.、李S.、王、 H.-T.、Abate, II、Agrawal, P.、Shao-Horn, Y. 和 Li, J.， 用于多元素电催化剂发现的多模态机器人平台。 自然 647, 390–396 (2025)。 https://doi.org/10.1038/s41586-025-09640-5