Umělá inteligence schopná pohybovat jednotlivými molekulami

Vědci z Jülichu a Berlína vyvinuli systém umělé inteligence, který je schopen autonomně učit, jak pohybovat jednotlivými molekulami pomocí skenovacího tunelového mikroskopu. Protože atomy a molekuly se nechovají jako makroskopické objekty, každý z těchto stavebních kamenů potřebuje svůj vlastní systém pro pohyb.

Nová metoda, kterou vědci věří, že lze použít pro výzkum a výrobní technologie, jako je 3D tisk molekul, byla zveřejněna v Science Advances.

3D Tisk

Rychlá výroba prototypů, známá také jako 3D tisk, je extrémně nákladově efektivní při vytváření prototypů nebo modelů. Zvýšila se její důležitost v průběhu let, protože technologie se neustále zlepšuje, a nyní je to jeden z hlavních nástrojů používaných v průmyslu.

Dr. Christian Wagner je vedoucím pracovní skupiny ERC pro manipulaci s molekulami ve Forschungszentrum Jülich.

“Pokud by tento koncept mohl být přenesen na nanoměřítko, aby umožnil jednotlivým molekulám být specificky sestaveny nebo rozloženy, podobně jako LEGO kostky, možnosti by byly téměř neomezené, vzhledem k tomu, že existuje kolem 10^60thinkable typů molekulární manipulace ve Forschungszentrum Jülich,” říká Wagner.

Individuální “Recepty”

Jednou z hlavních výzev jsou individuální “recepty”, které jsou potřebné pro skenovací tunelový mikroskop, aby mohl pohybovat jednotlivými molekulami tam a zpět. Tyto recepty jsou potřebné, aby mohla být molekuly uspořádány prostorově a cíleně.

Takzvaný recept nelze vypočítat nebo odvodit intuicí, což je způsobeno složitou povahou mechaniky na nanoměřítku. Způsob, jakým mikroskop funguje, spočívá v tom, že má na špici tuhý kužel, ke kterému se molekuly slabě připojují. Aby se tyto molekuly mohly pohybovat, jsou vyžadovány komplexní pohybové vzory.

Prof. Dr. Stefan Tautz je vedoucím Institutu pro kvantovou nanovědu v Jülichu.

“Dosud bylo možné cílené pohyby molekul pouze ručně, pomocí pokusů a omylů. Ale s pomocí samoučícího se, autonomního softwarového kontrolního systému, jsme nyní poprvé úspěšně našli řešení pro tuto rozmanitost a variabilitu na nanoměřítku a automatizovali tento proces,” říká Tautz.

Učení Posílením

Jednou z základních aspektů tohoto vývoje je učení posílením, což je typ strojového učení, který zahrnuje opakované pokusy o úkol a učení z každého pokusu.

Prof. Dr. Klaus-Robert Müller je vedoucím oddělení strojového učení na TU Berlín.

“Nepředepisujeme řešení pro softwarového agenta, ale spíše odměňujeme úspěch a penalizujeme neúspěch,” říká.

“V našem případě dostal agent úkol odstranit jednotlivé molekuly z vrstvy, ve které jsou drženy komplexní sítí chemických vazeb. Přesně řečeno, jednalo se o perylenové molekuly, jako jsou ty, které se používají v barvivech a organických světelných diodách,” dodává Dr. Christian Wagner.

Existuje jeden klíčový bod, ve kterém síla potřebná k pohybu molekul nemůže překročit sílu vazby, kde tunelový mikroskop přitahuje molekulu.

“Špička mikroskopu musí tedy provést speciální pohybový vzor, který jsme dříve museli objevit ručně, doslova,” říká Wagner.

Učení posílením se používá, zatímco softwarový agent učí, které pohyby fungují, a stále se zlepšuje.

Nicméně, špička skenovacího tunelového mikroskopu se skládá z atomů kovu, které se mohou posunout, a to mění sílu vazby molekuly.

“Každý nový pokus zvyšuje riziko změny a tím i rozbití vazby mezi špičkou a molekulou. Softwarový agent je tedy nucen učit se besonders rychle, protože jeho zkušenosti mohou být kdykoli zastaralé,” říká Prof. Dr. Stefan Tautz. “Je to trochu jako kdyby se během autonomního řízení neustále měnily silniční síť, dopravní předpisy, karoserie a pravidla pro provoz vozidel.”

Aby se tento problém překonal, výzkumníci vyvinuli software, který se učí jednoduchý model prostředí, ve kterém se manipulace provádí, současně s počátečními cykly. Aby se urychlil proces učení, agent současně trénuje v realitě a ve svém vlastním modelu.

“Poprvé jsme úspěšně spojili umělou inteligenci a nanotechnologii,” říká Klaus-Robert Müller.

“Dosud to bylo pouze ‘proof of principle’,” pokračuje Tautz. “Ale jsme přesvědčeni, že naše práce bude otevírat cestu pro roboticky asistovanou automatizovanou konstrukci funkčních supramolekulárních struktur, jako jsou molekulární tranzistory, paměťové buňky nebo quibity – s rychlostí, přesností a spolehlivostí, která daleko přesahuje to, co je目前 možné.”

https://www.youtube.com/watch?v=MU9AMczMeN4&feature=emb_title