利用人工智能来移动单个分子

来自朱利希和柏林的科学家开发了一种人工智能系统，能够通过扫描隧道显微镜自主学习如何移动单个分子。因为原子和分子的行为不像宏观物体，所以每一个构件都需要自己的运动系统。

科学家们认为，这种新方法可以用于分子3D打印等研究和生产技术，成果发表在《科学进展》杂志上。

3D打印

快速原型技术，通常被称为3D打印，在创建原型或模型时具有极高的成本效益。这些年来，随着技术的不断改进，它的重要性日益增加，现在它已成为工业界使用的主要工具。

瓦格纳说：“如果这一概念能够被转移到纳米尺度上，允许单个分子像乐高积木一样被特别地组合在一起或再次分离，那么这种可能性几乎是无限的，因为在研究中心有大约1060种可想象的分子操纵方式。”

个人“食谱”

其中一个主要挑战是扫描隧道显微镜来回移动单个分子所需的单个“配方”。这些都是必需的，这样显微镜的尖端就能以有针对性的空间排列分子。

由于纳米尺度上力学性质的复杂性，所谓的配方不能用直觉来计算或推导。显微镜的工作原理是在顶端有一个坚硬的圆锥体，分子轻轻地粘在上面。为了使这些分子移动，需要复杂的运动模式。

Stefan Tautz教授是Jülich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有通过反复试验才能实现。但在一个自学习、自主的软件控制系统的帮助下，我们现在首次成功地在纳米尺度上找到了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，”陶茨说。

强化学习

这一发展的一个基本方面是强化学习，这是一种机器学习类型，涉及到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·穆勒博士是柏林图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，而是奖励成功，惩罚失败。”。

“在我们的案例中，该制剂的任务是将单个分子从一层由复杂的化学键网络固定的层中移除。准确地说，这些是苝烯分子，例如染料和有机发光二极管中使用的分子，”克里斯蒂安·瓦格纳博士补充道。

有一个关键点，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。

瓦格纳说：“因此，显微镜的尖端必须执行一种特殊的运动模式，这是我们以前必须用手来发现的。

强化学习是在软件代理学习哪些动作起作用的同时使用的，并且每次都会持续改进。

然而，扫描隧道显微镜的尖端是由金属原子组成的，金属原子可以移动，这就改变了分子的键合强度。

“每一次新的尝试都会增加改变的风险，从而使尖端和分子之间的键断裂更大。Stefan Tautz博士说：“软件代理因此被迫学习得特别快，因为它的经验随时可能过时。”“有点像公路网、交通法规、车身以及车辆运行规则在自主驾驶时不断变化。”

为了克服这个问题，研究人员开发了这个软件，让它学习一个简单的环境模型，在这个模型中，操作与初始周期并行进行。为了加快学习过程，智能体在现实中和自己的模型中同时训练。

克劳斯·罗伯特·穆勒说：“这是我们有史以来第一次成功地将人工智能和纳米技术结合在一起。”

“到目前为止，这只是一个‘原则证明’，”陶茨继续说。“然而，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，如分子晶体管、存储单元或夸比特，其速度、精度和可靠性远远超过目前的可能。”