Nuevo pozo cuántico de InAsSb con niobio para dispositivos híbridos

Investigadores han desarrollado una plataforma novedosa basada en pozos cuánticos de superficie de arseniuro de indio y antimonio (InAsSb) con niobio (Nb) depositado in situ. Este avance es significativo para la creación de dispositivos híbridos que combinan las propiedades superconductoras del niobio con las características semiconductoras del InAsSb. La integración de estos materiales permite explorar fenómenos cuánticos complejos y tiene implicaciones para la computación cuántica y la espintrónica. El InAsSb es un semiconductor de brecha de banda estrecha conocido por su alta movilidad de electrones y un acoplamiento espín-órbita fuerte, propiedades deseables para la física de Majorana y otras aplicaciones cuánticas. La novedad reside en el crecimiento del pozo cuántico directamente en la superficie y la deposición de niobio sin romper el vacío, lo que asegura una interfaz limpia y de alta calidad entre el superconductor y el semiconductor. Esta interfaz es crucial para la transferencia eficiente de pares de Cooper y la inducción de superconductividad en el semiconductor. La técnica de deposición in situ de niobio minimiza la contaminación y la oxidación en la interfaz, problemas comunes en la fabricación de heterouniones superconductor-semiconductor. Esto resulta en una mejor conductividad de contacto y una mayor coherencia cuántica. Los dispositivos híbridos resultantes son prometedores para la investigación de fermiones de Majorana, que podrían servir como qubits topológicos, ofreciendo una mayor robustez frente a la decoherencia ambiental en comparación con los qubits convencionales.

Aprendizaje automático no supervisado para mapeo de orientación cristalográfica

Investigadores han desarrollado un método de aprendizaje automático no supervisado para automatizar el mapeo de la orientación cristalográfica a partir de datos de microscopía electrónica de transmisión de barrido de cuatro dimensiones (4D-STEM). Esta técnica supera las limitaciones de los métodos tradicionales, que a menudo requieren una calibración manual extensa y son susceptibles a los patrones de difracción ruidosos o de baja calidad. El nuevo enfoque utiliza algoritmos para identificar y clasificar patrones de difracción sin necesidad de etiquetado previo, lo que agiliza significativamente el análisis de microestructuras complejas en materiales. El mapeo de orientación cristalográfica es crucial para comprender las propiedades de los materiales, ya que la disposición atómica influye directamente en su comportamiento mecánico, electrónico y térmico. Los métodos convencionales, como la difracción de electrones por retrodispersión (EBSD) o el 4D-STEM con algoritmos supervisados, exigen una intervención humana considerable para la indexación de los patrones de difracción. Este nuevo desarrollo representa un avance al permitir un análisis más rápido y robusto, especialmente útil en el estudio de materiales con estructuras cristalinas complejas o en la caracterización de defectos a escala nanométrica. La clave del método reside en su capacidad para procesar datos 4D-STEM ruidosos, una limitación común en experimentos reales. Al ser un enfoque no supervisado, el algoritmo puede descubrir patrones intrínsecos en los datos sin prejuicios derivados de modelos preexistentes o bibliotecas de patrones. Esto no solo mejora la fiabilidad del mapeo de orientación, sino que también abre la puerta a la identificación de fases cristalinas desconocidas o a la caracterización de estructuras desordenadas, lo que es de gran interés en la ciencia de materiales avanzada.

NASA prueba pintura sensible a la presión para túneles de viento

Investigadores del Centro de Investigación Langley de la NASA en Hampton, Virginia, han llevado a cabo pruebas pioneras con una nueva técnica de medición en túneles de viento. Por primera vez en el Túnel de Dinámica Transónica de NASA Langley, se utilizó pintura sensible a la presión (PSP) inestable para estudiar el flujo de aire alrededor de un modelo estándar de túnel de viento. Esta metodología busca mejorar significativamente las capacidades de diseño de futuras tecnologías aeronáuticas, ofreciendo una visión más detallada y precisa de las fuerzas aerodinámicas. La técnica de PSP inestable permite a los científicos visualizar y cuantificar las variaciones de presión en la superficie de un modelo a medida que el aire fluye sobre él. A diferencia de los métodos tradicionales, que a menudo requieren sensores invasivos que pueden alterar el flujo, la PSP proporciona un mapa continuo de la distribución de presión. Esto es crucial para comprender fenómenos complejos como la separación del flujo, la formación de ondas de choque y la interacción fluido-estructura, que son fundamentales para optimizar el rendimiento y la seguridad de las aeronaves. El desarrollo de esta capacidad es un paso importante hacia la validación de modelos computacionales y la reducción de la dependencia de costosas pruebas físicas. El avance es particularmente relevante para el diseño de alas y otras superficies aerodinámicas, donde una comprensión precisa de las cargas de presión es vital. Al obtener datos de presión más completos y en tiempo real, los ingenieros pueden refinar los diseños de aeronaves para lograr una mayor eficiencia de combustible, reducir el ruido y mejorar la maniobrabilidad. Estas pruebas sientan las bases para una nueva generación de herramientas de diagnóstico en túneles de viento, que permitirán a la NASA y a la industria aeroespacial acelerar el desarrollo de aviones más avanzados y sostenibles.