能够移动单个分子的人工智能系统

来自于利希和柏林的科学家开发了一种人工智能系统，能够自主学习如何通过使用扫描隧道显微镜移动单个分子。 由于原子和分子的行为不像宏观物体，因此这些构建块中的每一个都需要自己的移动系统。 

科学家认为这种新方法可用于分子 3D 打印等研究和生产技术，该方法发表在 科学进展. 

3D打印

快速原型制作（通常称为 3D 打印）在创建原型或模型时极具成本效益。 多年来，随着技术的不断改进，它的重要性日益增加，现在已成为工业界使用的主要工具。

Christian Wagner 博士是于利希研究中心 (Forschungszentrum Jülich) 分子操纵 ERC 工作组的负责人。 

“如果这个概念可以转移到纳米尺度，让单个分子像乐高积木一样被专门组装或再次分离，那么可能性几乎是无限的，因为于利希研究中心有大约 1060 种可以想象的分子操纵类型。”瓦格纳说。

个人“食谱”

主要挑战之一是扫描隧道显微镜来回移动单个分子所需的单独“配方”。 这些是必要的，以便显微镜的尖端可以以有针对性的方式在空间上排列分子。

所谓的配方无法通过直觉计算或推导，这是由于纳米尺度上力学的复杂性。 显微镜的工作原理是在尖端有一个刚性锥体，分子轻轻地粘附在锥体上。 为了使这些分子四处移动，需要复杂的运动模式。 

Stefan Tautz 教授博士是于利希量子纳米科学研究所的所长。

“迄今为止，这种有针对性的分子运动只能通过手工、反复试验才能实现。 但在自学习、自主软件控制系统的帮助下，我们现在第一次成功地找到了纳米尺度上这种多样性和可变性的解决方案，并实现了这一过程的自动化，”Tautz 说。 

强化学习

这一发展的一个基本方面是强化学习，这是一种机器学习，涉及算法重复尝试一项任务并从每次尝试中学习。 

Klaus-Robert Müller 教授博士是柏林工业大学机器学习系主任。

“我们不会为软件代理规定解决方案，而是奖励成功并惩罚失败，”他说。

“在我们的例子中，代理的任务是从由复杂的化学键网络固定的层中去除单个分子。 准确地说，这些是苝分子，例如用于染料和有机发光二极管的分子，”克里斯蒂安·瓦格纳博士补充道。 

有一个关键点，在该点上移动分子所需的力不能超过隧道显微镜吸引分子的键的强度。

“因此，显微镜尖端必须执行一种特殊的运动模式，而我们以前必须手动发现这种模式，毫不夸张地说，”瓦格纳说。 

当软件代理学习哪些动作有效时，就会使用强化学习，并且每次都会不断改进。

然而，扫描隧道显微镜的尖端由金属原子组成，它们可以移动，这会改变分子的键强度。

“每一次新的尝试都会带来改变的风险，从而导致尖端和分子之间的键断裂的风险更大。 因此，软件代理被迫学习得特别快，因为它的经验随时可能过时。”Stefan Tautz 教授博士说。 “这有点像自动驾驶时道路网络、交通法规、车身和车辆操作规则在不断变化。” 

为了解决这个问题，研究人员开发了该软件，使其能够学习一个简单的环境模型，其中操作与初始周期并行发生。 为了加快学习过程，智能体在现实和自己的模型中同时进行训练。

“这是我们第一次成功地将人工智能和纳米技术结合在一起，”克劳斯-罗伯特·穆勒说。 

“到目前为止，这只是一个‘原则证明’，”陶茨继续说道。 “然而，我们相信，我们的工作将为机器人辅助自动构建功能性超分子结构铺平道路，例如分子晶体管、存储单元或量子比特，其速度、精度和可靠性远远超过现有技术。目前有可能。”