联系我们

强化学习

能够移动单个分子的人工智能系统

已发表

 on

图片:ForschungszentrumJülich/克里斯蒂安·瓦格纳

来自于利希(Jülich)和柏林(Berlin)的科学家开发了一种人工智能系统,该系统能够通过使用扫描隧道显微镜自主学习如何移动单个分子。由于原子和分子的行为不像宏观物体,因此每个构建基块都需要有自己的移动系统。 

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,该方法已发表于 科学进步

3D列印

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,它的重要性不断提高,现在它已成为行业使用的主要工具。

Christian Wagner博士是ForschungszentrumJülich的ERC分子操纵工作组负责人。 

“如果这个概念可以转移到纳米尺度上,以使单个分子像乐高积木一样被专门放在一起或再次分离,那么可能性就将是无穷无尽的,因为在福里森(ForschungszentrumJülich)大约有1060种可能的分子操纵类型,”瓦格纳说。

个人“食谱”

主要挑战之一是为了使扫描隧道显微镜来回移动单个分子所需的单个“配方”。这些是必需的,以便显微镜的尖端可以在空间上有针对性地排列分子。

所谓的配方无法通过直觉来计算或推导,这是由于纳米级力学的复杂性质所致。显微镜的工作方式是在尖端处有一个刚性圆锥体,分子会轻轻粘在上面。为了使这些分子移动,需要复杂的移动模式。 

Stefan Tautz教授是Jülich量子纳米科学研究所所长。

“迄今为止,只有通过手工反复试验才能实现分子的这种定向运动。但是借助自助式自主软件控制系统,我们现在已经首次成功地找到了解决纳米级多样性和可变性的解决方案,并使这一过程实现了自动化。” Tautz说。 

强化学习

这种发展的基本方面之一是强化学习,这是一种 机器学习 涉及算法反复尝试任务并从每次尝试中学习。 

Klaus-RobertMüller博士教授是柏林工业大学机器学习系主任。

他说:“我们没有为软件代理规定解决方案的途径,而是奖励成功并惩罚失败。”

“在我们的案例中,该试剂的任务是从一个分子通过复杂的化学键网络固定的层中除去单个分子。确切地说,它们是per分子,例如用于染料和有机发光二极管的分子。” Christian Wagner博士补充说。 

在关键点上,移动分子所需的力不能超过隧道显微镜吸引分子的结合强度。

瓦格纳说:“因此,显微镜尖端必须执行一种特殊的运动模式,这是我们以前必须手工发现的。” 

在软件代理了解哪些动作起作用时使用强化学习,并且每次都会持续改进。

但是,扫描隧道显微镜的尖端由可移动的金属原子组成,这会改变分子的结合强度。

“每一次新尝试都会增加发生改变的风险,因此会增大尖端与分子之间的键断裂。因此,由于它的经验随时都会变得过时,因此该软件代理被迫特别快地学习。” Stefan Tautz教授说。 “在自动驾驶时,道路网络,交通法规,车身和车辆操作规则似乎在不断变化。” 

为了解决这个问题,研究人员开发了该软件,以便它可以学习一种简单的环境模型,其中的操作与初始周期并行发生。为了加快学习过程,代理同时在现实和自己的模型中进行训练。

“这是我们首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(Klaus-RobertMüller)说。 

Tautz继续说道:“到目前为止,这只是一个'原则证明'。” “但是,我们有信心,我们的工作将为机器人辅助的功能性超分子结构的自动构建铺平道路,例如分子晶体管,存储单元或量子位—速度,精度和可靠性远远超过了目前的水平。” 

人工智能扮演nanoLEGO

在YouTube上观看此视频