人工智能系统能够移动个别分子

来自于于利希和柏林的科学家们已经开发出了一种人工智能系统，它能够自主地学习如何通过扫描隧道显微镜移动个别分子。由于原子和分子不像宏观物体一样，每一个这些构建块都需要它自己的移动系统。

这种新方法，科学家们认为可以用于研究和生产技术，如分子3D打印，被发表在Science Advances上。

3D打印

快速原型制作，也就是3D打印，在创建原型或模型时是非常划算的。随着技术的不断改进，3D打印的重要性也越来越高，现在已经成为行业中的一种重要工具。

克里斯蒂安·瓦格纳博士是于利希研究中心分子操作ERC工作组的负责人。

“如果这个概念可以转移到纳米尺度上，使得个别分子可以像乐高积木一样被特定地组合或分离，那么可能性将是几乎无限的，因为在于利希研究中心，有大约10^60种可以想象的分子操作类型，”瓦格纳说。

个别“配方”

其中一个主要挑战是需要个别“配方”来使扫描隧道显微镜能够来回移动个别分子。这些是必要的，以便显微镜的尖端能够在空间和目标上排列分子。

所谓的“配方”不能通过计算或直觉推导出来，这是由于纳米尺度上机械的复杂性。显微镜的工作原理是通过其尖端的刚性锥体，分子轻轻地粘附在上面。为了使这些分子能够移动，需要复杂的运动模式。

斯蒂芬·陶茨教授是于利希量子纳米科学研究所的负责人。

“到目前为止，这种有针对性的分子运动只能通过手动试验和错误来实现。但是，通过自学习的、自主的软件控制系统的帮助，我们现在已经成功地找到了一种解决纳米尺度上这种多样性和可变性的方法，并自动化了这个过程，”陶茨说。

强化学习

这种发展的一个基本方面是强化学习，这是一种机器学习，涉及算法反复尝试一个任务并从每次尝试中学习。

克劳斯-罗伯特·穆勒教授是柏林工业大学机器学习部门的负责人。

“我们不规定软件代理的解决方案路径，而是奖励成功并惩罚失败，”他说。

“在我们的例子中，代理被赋予了从一层中移除个别分子的任务，这些分子被一个复杂的化学键网络所保持。具体来说，这些是联苯分子，例如用于染料和有机发光二极管的分子，”克里斯蒂安·瓦格纳补充说。

有一个关键点，即移动分子的所需力不能超过隧道显微镜吸引分子的键强度。

“显微镜尖端因此必须执行一个特殊的运动模式，我们以前必须通过手动发现，确实如此，”瓦格纳说。

强化学习被用于软件代理学习哪些运动有效，它每次都会继续改进。

然而，扫描隧道显微镜的尖端由金属原子组成，这些原子可以移动，这改变了分子的键强度。

“每次新的尝试都会使变化的风险和因此键断裂的风险增加。软件代理因此被迫特别快速地学习，因为它的经验可能会在任何时候过时，”斯蒂芬·陶茨说。“这有点像在自动驾驶时，道路网络、交通法规、车身和操作规则都在不断变化。”

为了解决这个问题，研究人员开发了软件，使其能够在初始周期的同时学习环境的简单模型。为了加快学习过程，代理同时在现实和自己的模型中训练。

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

“到目前为止，这只是一种‘证明原理’，”陶茨继续说。“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，如分子晶体管、存储器细胞或量子比特铺平道路——以远远超过目前可能的速度、精度和可靠性。”

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