Лего для компьютерного мозга: Ученые разработали искусственный интеллект, который самостоятельно учится захватывать и перемещать отдельные молекулы с помощью сканирующего туннельного микроскопа. Этот метод предлагает большой потенциал для нанотехнологий и для разработки 3D-принтера на молекулярном уровне, как сообщают исследователи в журнале Science Advances.
Будь то роботы в наноразмерах, микроскопические датчики и компоненты для электроника или специальные молекулы для медицины: Нанотехнология предлагает науке и технике совершенно новые возможности. Однако для создания таких наноконструкций требуются новые методы - от самоорганизации до лазерного пинцета до специальных микроскопов, таких как атомно-силовой и сканирующие туннельные микроскопы.
Лего с препятствиями
Сканирующие туннельные микроскопы могут выделять атомы и молекулы с помогите перемещать их электрически заряженные наконечники, такие как кирпичи Lego, и объединять их в новые структуры. Однако, в отличие от макроскопических кирпичиков Lego, не каждую молекулу можно перемещать в любом направлении и порядке. Для каждого целевого изменения требуется определенный шаблон движения, чтобы отделить молекулу от ее окружения и перестроить ее. Это невозможно ни рассчитать, ни вывести интуитивно - механика в наномасштабе слишком изменчива и сложна для этого.
«До сих пор такое целенаправленное движение молекул было возможно только вручную, путем проб и ошибок», - говорит старший автор Стефан Таутц из Forschungszentrum Jülich. Но теперь он и его команда разработали метод автономного нанопроизводства, в котором робот берет на себя этот процесс обучения. «С помощью самообучающегося автономного программного управления нам впервые удалось найти решение для этого разнообразия и изменчивости на наноуровне и автоматизировать этот процесс», - говорит Таутц.
Обучение через успехи и неудачи
Ключ к недавно разработанному методу заключается в так называемом обучении с подкреплением, особом варианте обучения на основе опыта. «Мы не даем программному агенту решение, мы вознаграждаем за успехи и наказываем за неудачи», - объясняет Клаус-Роберт Мюллер из Технического университета Берлина. На этапе обучения алгоритм неоднократно пытается решить задачу, учится на своем положительном и отрицательном опыте и таким образом приближается к решению.
«В нашем случае задачей агента было удалить отдельные молекулы из слоя, в котором они удерживаются сложной сетью химических связей. В частности, это были молекулы перилена, которые используются в красках и органических светодиодах», - объясняет коллега Тауца Кристиан Вагнер.
Успех в молекулярной головоломке
Программа, разработанная исследователями, первоначально начиналась со случайных моделей движения, которые не могли высвободить молекулу. Основываясь на своем опыте, алгоритм самостоятельно узнал, когда какие движения имеют наилучшие шансы на успех. Со временем он становился все лучше и лучше и в конце концов смог удалить отдельные молекулы.
«Это первый случай, когда искусственный интеллект и нанотехнологии были успешно объединены», - говорит Мюллер. Адаптивный робот самостоятельно выполнил наномасштабную задачу, которую ранее могли решить только люди.
Первый шаг к автоматизированному нанопроизводству
Метод исследователей интересен для разработки новых нанотехнологических производственных технологий, таких как молекулярный 3D-принтер.«Если бы вы могли перенести эту концепцию в наномасштаб и выборочно собирать или разделять отдельные молекулы, такие как кирпичики Lego, возможности были бы почти безграничны, если учесть, что существует примерно 1060Существуют мыслимые типы молекул», - говорит Вагнер.
«До сих пор это было только «Доказательство принципа», - объясняет Таутц. «Однако мы уверены, что наша работа проложит путь к роботизированному, автоматизированному конструированию функциональных надмолекулярных структур, таких как молекулярные транзисторы и ячейки памяти, со скоростью, точностью и выносливостью, которые намного превышают наши нынешние возможности».