Electronic and chemical phase identification in photoemission experiments using unsupervised machine learning

Para comprender el mundo material en su nivel más fundamental, los científicos suelen observar cómo se comportan los electrones dentro de un sólido. Imagine proyectar un tipo de luz muy específico sobre un trozo de materia; esta luz desprende electrones, que son partículas diminutas. Al capturar estos electrones y medir su velocidad y dirección, los investigadores pueden mapear la estructura electrónica invisible del material, revelando cómo conduce la electricidad o cómo interactúa con la luz. Esta técnica, conocida como espectroscopia de fotoemisión, es increíblemente poderosa, pero conlleva una limitación frustrante: es extremadamente sensible a la capa más superficial del material. Debido a que los electrones medidos provienen de una profundidad de menos de un nanómetro, la superficie debe estar perfectamente fresca y limpia. En las cámaras de vacío donde ocurren estos experimentos, incluso una superficie prístina comienza a degradarse o cambiar en dos días, a menudo mucho antes. Esto crea una carrera contra el tiempo. Antes de que la ciencia pueda comenzar, el investigador debe encontrar el lugar perfecto en la muestra para realizar la medición.

El problema es que estas superficies frescas suelen ser desordenadas e irregulares. Una sola muestra puede tener parches de diferentes composiciones químicas, capas de espesores variables o regiones retorcidas en diferentes ángulos. Para encontrar el mejor punto, los científicos utilizan tradicionalmente un método llamado escaneo de rastro (raster scan). Mueven la muestra en un patrón de cuadrícula rígido, como una cortadora de césped que corta la hierba, tomando mediciones en cada intersección. Luego se detienen, observan los datos y deciden si necesitan hacer un acercamiento y escanear un área más pequeña nuevamente. Este proceso es lento, consume un tiempo precioso y a menudo desperdicia la limitada vida útil de la superficie fresca. Si el científico elige una cuadrícula demasiado fina, pierde tiempo midiendo lo mismo una y otra vez. Si la cuadrícula es demasiado gruesa, podría perderse las características interesantes por completo. La pregunta que enfrentaba el campo era si una computadora podía aprender a navegar este paisaje desordenado de forma más rápida e inteligente que un humano con una cuadrícula.

En un estudio reciente, un equipo de investigadores introdujo un nuevo enfoque llamado AARDVARK, un sistema diseñado para guiar estos experimentos utilizando aprendizaje automático (machine learning). En lugar de seguir una cuadrícula rígida o adivinar al azar, este sistema actúa como un explorador inteligente que aprende sobre la marcha. Los investigadores probaron su idea utilizando una muestra compleja hecha de dos capas de grafeno, un material compuesto por una sola capa de átomos de carbono. En su configuración, un gran cristal perfecto de grafeno servía como base, mientras que una segunda capa policristalina de grafeno se colocaba encima. Esta capa superior no era uniforme; estaba compuesta por muchas regiones pequeñas, cada una retorcida a un ángulo diferente con respecto a la capa inferior. Esto creó un paisaje donde las propiedades electrónicas cambiaban de un punto a otro, imitando el tipo de superficies desordenadas y heterogéneas que los científicos encuentran en experimentos reales.

El sistema AARDVARK funciona preguntando constantemente: "¿Qué deberíamos medir después?". Comienza tomando algunas mediciones y luego utiliza una poderosa herramienta matemática para visualizar los datos. Comprime la enorme cantidad de información de cada medición —miles de puntos de datos que describen la energía y el momento de los electrones— en un mapa sencillo y colorido. En este mapa, los puntos con propiedades electrónicas similares aparecen con colores similares, mientras que los puntos con propiedades diferentes aparecen con colores distintos. Esto permite al sistema ver la "forma" del paisaje electrónico de la muestra sin necesidad de comprender la física compleja detrás de cada número individual.

Una vez que el sistema tiene este mapa colorido, utiliza un método llamado regresión de procesos gaussianos para predecir cómo se ven las partes no medidas de la muestra. Piense en ello como un adivinador inteligente que no solo predice el valor de un nuevo punto, sino que también calcula qué tan incierto es sobre esa suposición. El sistema está programado para priorizar las áreas donde tiene mayor incertidumbre. Si los colores en el mapa cambian bruscamente de un punto al siguiente, el sistema sabe que ha encontrado un límite entre dos regiones diferentes, y envía el haz de medición a ese borde para definirlo con mayor precisión. Si un área parece uniforme, el sistema la salta, sabiendo que medirla de nuevo no aportaría nueva información. Esto le permite centrar su energía en los bordes y en las características únicas de la muestra, ignorando las partes aburridas y repetitivas.

Los investigadores simularon este proceso en una computadora utilizando un conjunto de datos de más de 8,000 puntos previamente medidos para ver qué tan bien se desempeñaría AARDVARK en comparación con los métodos tradicionales. Ejecutaron tres escenarios diferentes: el nuevo enfoque de aprendizaje automático, un escaneo de cuadrícula estándar y una búsqueda aleatoria donde los puntos se eligen sin lógica alguna. Los resultados fueron sorprendentes. Después de tomar solo 400 a 600 mediciones, el sistema AARDVARK ya había identificado los límites principales y las regiones distintas de la muestra con una claridad que los métodos de cuadrícula y aleatorio solo lograban tras tomar entre 1,000 y 2,000 mediciones. El método de la cuadrícula, que se mueve en líneas rectas, a menudo perdía tiempo midiendo las mismas áreas uniformes una y otra vez, mientras que el método aleatorio dispersaba sus esfuerzos demasiado ampliamente para definir cualquier forma específica. A diferencia de estos, AARDVARK se centró rápidamente en las transiciones entre diferentes regiones, dibujando eficazmente el mapa del terreno electrónico de la muestra con muchos menos pasos.

Esta eficiencia no se trata solo de ahorrar tiempo; se trata de preservar la muestra. Debido a que la superficie fresca se degrada rápidamente, cada medición cuenta. Al encontrar las regiones interesantes más rápido, AARDVARK reduce el tiempo total que la muestra está expuesta al haz de medición, el cual a veces puede dañar el material. El sistema demostró ser lo suficientemente flexible como para manejar dos tipos diferentes de mediciones: una que mapea la estructura electrónica y otra que identifica la composición química de los átomos. Aunque estas dos mediciones observan la muestra de maneras distintas, el sistema se adaptó a ambas, reconociendo que los límites en el mapa electrónico podrían no coincidir perfectamente con los límites en el mapa químico, y ajustó su búsqueda en consecuencia.

El estudio demuestra que una computadora puede aprender a navegar un entorno físico complejo de manera mucho más eficiente que un camino rígido y preplanificado. Al combinar una forma de simplificar datos complejos con un método que aprende de la incertidumbre, los investigadores han creado una herramienta que puede guiar experimentos en tiempo real. Esto significa que, en el futuro, los científicos podrían pasar menos tiempo buscando el lugar adecuado y más tiempo realizando la ciencia real, todo ello mientras preservan las delicadas muestras que estudian. El trabajo sugiere que el futuro de estos experimentos reside en dejar que los propios datos le digan al investigador dónde mirar a continuación, convirtiendo una búsqueda lenta y manual en una exploración dinámica e inteligente.