支持人工智能的原子机器人探针推进量子材料制造

发布时间：2024-03-07 14:29:40 栏目：生活

导读 新加坡国立大学 (NUS) 的科学家通过整合扫描探针显微镜技术和深度神经网络，开创了一种在原子尺度上制造碳基量子材料的新方法。这一突破...

新加坡国立大学 (NUS) 的科学家通过整合扫描探针显微镜技术和深度神经网络，开创了一种在原子尺度上制造碳基量子材料的新方法。这一突破凸显了在亚埃尺度上实施人工智能(AI)以增强对原子制造的控制的潜力，有利于基础研究和未来应用。



开壳磁性纳米石墨烯代表了一类技术上有吸引力的新型碳基量子材料，它拥有强大的 π 自旋中心和非平凡的集体量子磁性。这些特性对于开发分子水平的高速电子设备和创建量子位(量子计算机的构建块)至关重要。尽管通过表面合成在这些材料的合成方面取得了重大进展，但通过一种固相化学反应，在原子水平上实现这些量子材料性能的精确制造和定制仍然是一个挑战。

由新加坡国立大学化学系和功能智能材料研究所的卢炯副教授和新加坡国立大学物理系张春副教授领导的研究团队提出了化学家直觉原子机器人探针(CARP)的概念。 )通过整合探针化学知识和人工智能，在单分子水平上制造和表征开壳磁性纳米石墨烯。这使得能够以自动化的方式精确设计它们的 π 电子拓扑和自旋构型，反映了人类化学家的能力。CARP 概念利用表面科学化学家的经验和知识训练的深度神经网络，自主合成开壳磁性纳米石墨烯。它还可以从实验训练数据库中提取化学信息，提供有关未知机制的结论。这是理论模拟的重要补充，有助于更全面地理解探针化学反应机制。这项研究工作是由中国清华大学王晓楠副教授合作完成的。

研究结果发表在2024 年 2 月 29 日的Nature Synthesis杂志上。

研究人员在复杂的位点选择性环化脱氢反应上测试了 CARP 概念，该反应用于生产具有特定结构和电子特性的化合物。结果表明，CARP 框架可以有效地采用科学家的专业知识，并将其转换为机器可理解的任务，模仿执行单分子反应的工作流程，从而操纵最终化合物的几何形状和自旋特征。

此外，研究团队的目标是通过从数据库中提取隐藏的见解来充分利用人工智能功能的潜力。他们使用基于博弈论的方法建立了智能学习范式来检查框架的学习成果。分析表明，CARP 有效地捕获了人类可能错过的重要细节，尤其是在环脱氢反应成功方面。这表明 CARP 框架可能是一个有价值的工具，可以帮助我们进一步了解未探索的单分子反应机制。

卢副教授说：“我们的主要目标是在原子水平上工作，创造、研究和控制这些量子材料。我们正在努力彻底改变这些材料在表面上的生产方式，以便更好地控制其结果，直至单个原子和键的水平。

“我们在不久的将来的目标是进一步扩展 CARP 框架，以大规模、高效地采用通用的表面探针化学反应。这有可能将传统的基于实验室的表面合成工艺转变为实际应用的片上制造工艺。这种转变可以在加速量子材料的基础研究并开创智能原子制造的新时代方面发挥关键作用。”卢副教授补充道。