Sistemi i inteligjencës artificiale i aftë për të lëvizur molekulat individuale

Shkencëtarët nga Jülich dhe Berlini kanë zhvilluar një sistem të inteligjencës artificiale që është në gjendje të mësojë në mënyrë autonome se si të lëvizë molekulat individuale përmes përdorimit të një mikroskopi tunelimi skanues. Për shkak se atomet dhe molekulat nuk veprojnë si objekte makroskopike, secili prej këtyre blloqeve ndërtuese ka nevojë për sistemin e vet për lëvizje. 

Metoda e re, për të cilën shkencëtarët besojnë se mund të përdoret për kërkime dhe teknologji prodhimi si printimi molekular 3D, u publikua në Përparimet Shkenca. 

3D Printime

Prototipi i shpejtë, i njohur më shpesh si printimi 3D, është jashtëzakonisht efektiv kur bëhet fjalë për krijimin e prototipeve ose modeleve. Rëndësia e saj është rritur me kalimin e viteve pasi teknologjia është përmirësuar vazhdimisht, dhe tani është një mjet kryesor që përdoret nga industria.

Dr. Christian Wagner është kreu i grupit të punës të ERC për manipulimin molekular në Forschungszentrum Jülich. 

“Nëse ky koncept do të mund të transferohej në shkallë nano për të lejuar që molekulat individuale të bashkohen në mënyrë specifike ose të ndahen përsëri ashtu si tullat LEGO, mundësitë do të ishin pothuajse të pafundme, duke pasur parasysh se ekzistojnë rreth 1060 lloje të mundshme të manipulimit molekular në Forschungszentrum Jülich. thotë Wagner.

"Receta" individuale

Një nga sfidat kryesore janë "recetat" individuale të nevojshme në mënyrë që mikroskopi tunelues skanues të lëvizë molekulat individuale përpara dhe mbrapa. Këto janë të nevojshme në mënyrë që maja e mikroskopit të mund të rregullojë molekulat në hapësirë ​​dhe në një mënyrë të synuar.

E ashtuquajtura recetë nuk mund të llogaritet ose të nxirret nga intuita, e cila është për shkak të natyrës komplekse të mekanikës në nanoshkallë. Mënyra se si funksionon mikroskopi është duke pasur një kon të ngurtë në majë, tek i cili molekulat ngjiten lehtë. Në mënyrë që ato molekula të lëvizin, kërkohen modele komplekse të lëvizjes. 

Prof. Dr. Stefan Tautz është kreu i Institutit të Nanoshkencës Kuantike në Jülich.

“Deri më sot, një lëvizje e tillë e synuar e molekulave ka qenë e mundur vetëm me dorë, përmes provave dhe gabimeve. Por me ndihmën e një sistemi kontrolli softuerik autonom dhe vetë-mësues, ne kemi arritur tani për herë të parë të gjejmë një zgjidhje për këtë diversitet dhe ndryshueshmëri në shkallë nano, dhe në automatizimin e këtij procesi,” thotë Tautz. 

Mësimi i përforcimit

Një nga aspektet themelore të këtij zhvillimi është të mësuarit përforcues, i cili është një lloj mësimi makinerie që përfshin algoritmin duke tentuar vazhdimisht një detyrë dhe duke mësuar nga çdo përpjekje. 

Prof. Dr. Klaus-Robert Müller është kreu i departamentit të Mësimit të Makinerisë në TU Berlin.

“Ne nuk përshkruajmë një rrugë zgjidhjeje për agjentin e softuerit, por përkundrazi shpërblejmë suksesin dhe penalizojmë dështimin,” thotë ai.

“Në rastin tonë, agjentit iu dha detyra për të hequr molekulat individuale nga një shtresë në të cilën ato mbahen nga një rrjet kompleks lidhjesh kimike. Për të qenë të saktë, këto ishin molekula perileni, të tilla si ato të përdorura në ngjyra dhe dioda organike që lëshojnë dritë”, shton Dr. Christian Wagner. 

Ekziston një pikë kyçe në të cilën forca e nevojshme për të lëvizur molekulat nuk mund të kalojë forcën e lidhjes ku mikroskopi tunelues tërheq molekulën.

"Prandaj, maja e mikroskopit duhet të ekzekutojë një model të veçantë lëvizjeje, të cilin më parë duhej ta zbulonim me dorë, fjalë për fjalë," thotë Wagner. 

Mësimi përforcues përdoret ndërsa agjenti i softuerit mëson se cilat lëvizje funksionojnë dhe ai vazhdon të përmirësohet çdo herë.

Megjithatë, maja e mikroskopit të tunelit skanues përbëhet nga atome metali, të cilët mund të zhvendosen dhe kjo ndryshon forcën e lidhjes së molekulës.

“Çdo përpjekje e re e bën më të madh rrezikun e një ndryshimi dhe kështu prishjen e lidhjes midis majës dhe molekulës. Prandaj, agjenti i softuerit është i detyruar të mësojë veçanërisht shpejt, pasi përvojat e tij mund të vjetrohen në çdo kohë,” thotë Prof. Dr. Stefan Tautz. “Është pak sikur rrjeti rrugor, ligjet e trafikut, trupi dhe rregullat për drejtimin e automjeteve ndryshojnë vazhdimisht gjatë vozitjes në mënyrë autonome.” 

Për të kapërcyer këtë, studiuesit zhvilluan softuerin në mënyrë që të mësojë një model të thjeshtë të mjedisit ku manipulimi ndodh paralelisht me ciklet fillestare. Për të shpejtuar procesin e të mësuarit, agjenti stërvitet njëkohësisht në realitet dhe në modelin e tij.

“Kjo është hera e parë që kemi arritur të bashkojmë inteligjencën artificiale dhe nanoteknologjinë”, thotë Klaus-Robert Müller. 

"Deri më tani, kjo ka qenë vetëm një 'provë e parimit'," vazhdon Tautz. “Megjithatë, ne jemi të bindur se puna jonë do të hapë rrugën për ndërtimin e automatizuar me ndihmën e robotëve të strukturave funksionale supramolekulare, të tilla si tranzistorët molekularë, qelizat e memories ose quibits - me një shpejtësi, saktësi dhe besueshmëri shumë më të madhe se sa është aktualisht e mundur.”