Kryształy, które można przewidzieć
Seria oznaczona jako BaSbQ nie jest zwykłym zestawem związków chemicznych. Jej poszczególni przedstawiciele zbudowane są z tych samych „klocków” molekularnych, lecz potrafią one układać się w szerokie spektrum różnych struktur. Okazuje się, że kluczem do kontrolowania tej architektury jest stosunek dwóch pierwiastków: siarki i telluru. Różnią się one nie tylko rozmiarem, ale i tzw. elektroujemnością, czyli siłą przyciągania elektronów. To właśnie ta różnica dyktuje, w jakiej ostatecznej formie skrystalizuje materiał. W trakcie prac naukowcom udało się zsyntetyzować dziesięć różnych związków z tej serii. Mimo że każdy miał nieco inną strukturę, zmiany następowały według jasnej, systematycznej logiki. Można to porównać do odkrycia zasad gry – gdy już je poznamy, jesteśmy w stanie przewidzieć kolejne ruchy. Ta właśnie cecha, czyli powtarzalność i przewidywalność, nadaje odkryciu tak duże znaczenie.
Czytaj też: Chińska ceramika, której nie da się zniszczyć. Nowy materiał wytrzyma nawet największe skrajności
Za obserwowaną prawidłowością stoi zjawisko zwane dysproporcją anionową. W praktyce oznacza to, iż atomy siarki, jako bardziej elektroujemne, nie rozlokowują się w sieci krystalicznej przypadkowo. Zamiast tego „wybierają” specyficzne, bogatsze w elektrony pozycje, co z kolei wymusza zmianę w rozkładzie ładunków i ostatecznie kształcie całej struktury. Przesunięcie pojedynczego wiązania o kilka stopni może radykalnie zmienić właściwości materiału. W przypadku serii BaSbQ badacze zidentyfikowali konkretny zestaw reguł, które rządzą tymi przekształceniami. Mieszanie jonów o różnej elektroujemności okazało się precyzyjnym narzędziem do sterowania architekturą kryształu – metodą, która wcześniej często prowadziła w nieprzewidywalnym kierunku.
Sztuczna inteligencja potrzebuje dobrych nauczycieli
Znaczenie tego odkrycia wykracza poza laboratoria chemiczne. Dynamicznie rozwijające się modele uczenia maszynowego, które mają pomagać w projektowaniu nowych materiałów, często borykają się z problemem. Mają trudności z uchwyceniem właśnie tych subtelnych, nieliniowych zależności, gdzie mała przyczyna wywołuje duży skutek. Przewidywalność serii BaSbQ może posłużyć jako doskonały „podręcznik” do trenowania takich algorytmów. Jeśli systemy AI nauczą się rozpoznawać i rozumieć wzorce w tej konkretnej rodzinie materiałów, zdobytą wiedzę będą mogły ekstrapolować na inne, bardziej skomplikowane związki. To ważny krok w stronę tworzenia narzędzi, które nie tylko przetwarzają ogromne zbiory danych, lecz również zaczynają pojmować leżącą u ich podstaw chemiczną logikę.
Marzeniem naukowców od zawsze było „zamawianie” materiałów o dokładnie sprecyzowanych cechach. Seria BaSbQ przybliża nas do tej wizji, oferując systematyczne podejście do kontroli struktury przez manipulację składem chemicznym. Należy jednak pamiętać, że to dopiero jeden, choć niezwykle obiecujący, element większej układanki. Opublikowane w Science badania pokazują jednak, że czasem przełom nie polega na wynalezieniu czegoś zupełnie nowego, lecz na dostrzeżeniu porządku tam, gdzie wcześniej widzieliśmy tylko chemiczny chaos.