Sistemul de inteligență artificială capabil să miște molecule individuale

Oamenii de știință de la Jülich și Berlin au dezvoltat un sistem de inteligență artificială care este capabil să învețe în mod autonom cum să miște molecule individuale prin utilizarea unui microscop cu scanare tunel. Deoarece atomii și moleculele nu se comportă ca obiecte macroscopice, fiecare dintre aceste blocuri de construcție are nevoie de propriul sistem de mișcare.

Metoda nouă, pe care oamenii de știință cred că poate fi utilizată pentru tehnologii de cercetare și producție, cum ar fi imprimarea 3D moleculară, a fost publicată în Science Advances.

Imprimarea 3D

Prototiparea rapidă, cunoscută și sub numele de imprimare 3D, este extrem de eficientă din punct de vedere al costurilor atunci când vine vorba de crearea de prototipuri sau modele. Acesta a crescut în importanță de-a lungul anilor, pe măsură ce tehnologia a fost îmbunătățită constant, și acum este un instrument major utilizat de industrie.

Dr. Christian Wagner este șeful grupului de lucru ERC pentru manipularea moleculară de la Forschungszentrum Jülich.

“Dacă acest concept ar putea fi transferat la scară nanometrică pentru a permite moleculelor individuale să fie asamblate sau separate în mod specific, precum cuburile LEGO, posibilitățile ar fi aproape nelimitate, având în vedere că există aproximativ 10^60 de tipuri concepute de manipulare moleculară la Forschungszentrum Jülich”, spune Wagner.

Rețete individuale

Una dintre principalele provocări este reprezentată de “rețetele” individuale necesare pentru ca microscopul cu scanare tunel să poată mișca molecule individuale înapoi și înainte. Acestea sunt necesare pentru a permite vârful microscopului să aranjeze moleculele spațial și în mod țintit.

Așa-numita “rețetă” nu poate fi calculată sau dedusă prin intuiție, din cauza naturii complexe a mecanicii la scară nanometrică. Modul în care funcționează microscopul constă în utilizarea unui con rigid la vârf, la care moleculele se lipesc ușor. Pentru a face ca moleculele să se miște, sunt necesare tipare de mișcare complexe.

Prof. dr. Stefan Tautz este șeful Institutului de știință nanometrică cuantică de la Jülich.

“Până în prezent, o astfel de mișcare țintită a moleculelor a fost posibilă doar manual, prin încercări și erori. Dar cu ajutorul unui sistem de control software autonom și auto-învățare, am reușit pentru prima dată să găsim o soluție pentru această diversitate și variabilitate la scară nanometrică și să automatizăm acest proces”, spune Tautz.

Învățarea prin întărire

Unul dintre aspectele fundamentale ale acestei dezvoltări este învățarea prin întărire, care este un tip de învățare automată care implică algoritmul care încearcă în mod repetat o sarcină și învață din fiecare încercare.

Prof. dr. Klaus-Robert Müller este șeful departamentului de învățare automată de la TU Berlin.

“Nu prescriem un drum de soluție pentru agentul software, ci mai degrabă recompensăm succesul și penalizăm eșecul”, spune el.

“În cazul nostru, agentul a primit sarcina de a îndepărta molecule individuale dintr-un strat în care acestea sunt ținute de o rețea complexă de legături chimice. Mai exact, acestea erau molecule de perylen, utilizate în coloranți și diode luminescente organice”, adaugă dr. Christian Wagner.

Există un punct cheie în care forța necesară pentru a mișca moleculele nu poate depăși rezistența legăturii în care microscopul tunel atrage molecula.

“Vârful microscopului trebuie, prin urmare, să execute un tipar de mișcare special, pe care anterior trebuia să îl descoperim manual, literalmente”, spune Wagner.

Învățarea prin întărire este utilizată pe măsură ce agentul software învață care mișcări funcționează și continuă să se îmbunătățească de fiecare dată.

Cu toate acestea, vârful microscopului cu scanare tunel este alcătuit din atomi de metal, care pot fi deplasați, și aceasta modifică forța legăturii moleculei.

“Fiecare nouă încercare crește riscul unei schimbări și, prin urmare, al ruperii legăturii dintre vârf și moleculă. Agentul software este, prin urmare, forțat să învețe în mod special rapid, deoarece experiențele sale pot deveni învechite în orice moment”, spune prof. dr. Stefan Tautz. “Este un pic ca și cum rețeaua de drumuri, legile de circulație, caroseria și regulile pentru operarea vehiculelor s-ar schimba în mod constant în timp ce conduceți în mod autonom.”

Pentru a depăși acest lucru, cercetătorii au dezvoltat software-ul astfel încât să învețe un model simplu al mediului în care are loc manipularea, în paralel cu ciclurile inițiale. Pentru a grăbi procesul de învățare, agentul se antrenează în mod simultan în realitate și în propriul model.

“Acesta este pentru prima dată când am reușit să reunim inteligența artificială și nanotehnologia”, spune Klaus-Robert Müller.

“Până acum, aceasta a fost doar o ‘dovadă de principiu'”, continuă Tautz. “Cu toate acestea, suntem încrezători că munca noastră va deschide calea pentru construcția asistată de robot a structurilor supramoleculare funcționale, cum ar fi tranzistoare moleculare, celule de memorie sau quibits — cu o viteză, precizie și fiabilitate mult mai mare decât ceea ce este posibil în prezent.”

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