מערכת בינה מלאכותית המסוגלת להזיז מולקולות בודדות

מדענים מג’יליך וברלין פיתחו מערכת בינה מלאכותית המסוגלת ללמוד באופן אוטונומי כיצד להזיז מולקולות בודדות באמצעות מיקרוסקופ תונלינג. מכיוון שאטומים ומולקולות אינם מתנהגים כמו עצמים מקרוסקופיים, כל אחד מבניינים אלה זקוק למערכת משלו לתנועה.

השיטה החדשה, אותה המדענים סבורים שניתן להשתמש בה למחקר ולטכנולוגיות ייצור כמו הדפסה תלת-ממדית מולקולרית, פורסמה ב Science Advances.

הדפסה תלת-ממדית

אימוץ מהיר, הידוע יותר בשם הדפסה תלת-ממדית, הוא יעיל מאוד מבחינת עלות כאשר מדובר ביצירת דגמים או אב-טיפוסים. הוא גדל בחשיבות לאורך השנים ככל שהטכנולוגיה השתפרה, וכיום הוא כלי מרכזי המשמש את התעשייה.

ד”ר כריסטיאן וגנר הוא ראש קבוצת העבודה ERC לתמרון מולקולרי ב- Forschungszentrum Jülich.

“אם ניתן יהיה להעביר את המושג הזה לקנה מידה ננומטרי, כך שניתן יהיה להרכיב מולקולות בודדות באופן ספציפי או להפרידן מחדש, בדומה ללבני לגו, האפשרויות יהיו כמעט בלתי מוגבלות, נוכח העובדה כי קיימים כ-10^60 סוגים של תמרון מולקולרי ב- Forschungszentrum Jülich”, אומר וגנר.

”מתכונים” אינדיבידואליים

אחד האתגרים העיקריים הוא ה”מתכונים” האינדיבידואליים הדרושים על מנת שמיקרוסקופ התונלינג יוכל להזיז מולקולות בודדות הלוך ושוב. הם נדרשים כדי שקצה המיקרוסקופ יוכל לסדר מולקולות באופן מרחבי ומכוון.

ה”מתכון” הקרוי כך אינו יכול להיחשב או להתגלות באינטואיציה, וזאת בשל הטבע המורכב של המכניקה בקנה מידה הננומטרי. הדרך בה המיקרוסקופ פועל היא על ידי חרוט קשיח בקצה, אליו המולקולות נדבקות בעדינות. על מנת שהמולקולות יוכלו לנוע, נדרשים דפוסי תנועה מורכבים.

פרופ’ ד”ר סטפן טאוטץ הוא ראש המכון לננו-מדע קוונטי בג’יליך.

“עד כה, תנועה מכוונת של מולקולות הייתה אפשרית רק באופן ידני, באמצעות ניסוי וטעייה. אך עם עזרת מערכת בקרה תוכנתית אוטונומית ועצמית-לומדת, הצלחנו לראשונה למצוא פתרון לגיוון ולמשתניות בקנה מידה הננומטרי, ולאוטומט את התהליך”, אומר טאוטץ.

למידת חיזוק

אחד היסודות המהותיים של פיתוח זה הוא למידת חיזוק, שהיא סוג של למידת מכונה הכוללת אלגוריתם המנסה שוב ושוב משימה ולומד מכל ניסיון.

פרופ’ ד”ר קלאוס-רוברט מילר הוא ראש מחלקת למידת המכונה ב- TU ברלין.

“אנו לא מגדירים נתיב פתרון לסוכנת התוכנה, אלא מגמים הצלחה ומענישים כישלון”, הוא אומר.

“במקרה שלנו, הוטל על הסוכנת המשימה להסיר מולקולות בודדות משכבה בה הן מוחזקות על ידי רשת מורכבת של קשרים כימיים. בדיוק, אלו היו מולקולות פרילן, כגון אלו המשמשות בצביעות ו-LED אורגני”, מוסיף ד”ר כריסטיאן וגנר.

ישנו נקודה מפתח בה הכוח הדרוש להזיז את המולקולות אינו יכול לעלות על עוצמת הקשר בו מיקרוסקופ התונלינג מושך את המולקולה.

“קצה המיקרוסקופ חייב לבצע דפוס תנועה מיוחד, אותו קודם לכן היינו צריכים לגלות באופן ידני, במובן המילולי”, אומר וגנר.

למידת החיזוק משמשת כאשר הסוכנת התוכנתית לומדת אילו תנועות עובדות, והיא משתפרת עם כל ניסיון.

עם זאת, קצה מיקרוסקופ התונלינג מורכב מאטומי מתכת, אשר יכולים להחליק, וזה משנה את עוצמת הקשר של המולקולה.

“כל ניסיון חדש הופך את הסיכון לשינוי ובכך את שבירת הקשר בין קצה המיקרוסקופ למולקולה גדול יותר. הסוכנת התוכנתית נאלצת, אפוא, ללמוד במיוחד מהר, שכן חוויותיה יכולות להתיישן בכל רגע”, אומר פרופ’ ד”ר סטפן טאוטץ. “זה מעט כאילו רשת הכבישים, חוקי התנועה, המראה וכללי הפעלת הכלי עובדים משתנים באופן קבוע בעת נהיגה אוטונומית”.

על מנת לעקוף את זה, החוקרים פיתחו את התוכנה כך שהיא לומדת מודל פשוט של הסביבה בה מתבצעת התמרון במקביל למחזורים הראשונים. על מנת ל