Terobosan AI dalam nanoteknologi menghancurkan batas presisi
Di Tu Graz, kelompok penelitian perintis memanfaatkan kecerdasan buatan untuk meningkatkan secara drastis cara struktur nano dibangun.
Mereka bertujuan untuk mengembangkan sistem AI belajar mandiri yang dapat memposisikan molekul dengan presisi yang belum pernah terjadi sebelumnya, berpotensi merevolusi penciptaan struktur molekul kompleks dan koral kuantum untuk elektronik canggih.
Merevolusi konstruksi struktur nano dengan AI
Sifat -sifat suatu bahan sering kali lebih sedikit dibentuk oleh komposisi kimianya dan lebih banyak dengan bagaimana molekulnya diatur dalam kisi atom atau di permukaannya. Ilmuwan material memanfaatkan prinsip ini dengan memposisikan atom dan molekul individu pada permukaan menggunakan mikroskop berkinerja tinggi. Namun, proses ini sangat memakan waktu, dan struktur nano yang dihasilkan tetap relatif sederhana.
Sebuah kelompok penelitian di Tu Graz bertujuan untuk merevolusi pendekatan ini dengan kecerdasan buatan. “Kami ingin mengembangkan sistem AI belajar mandiri yang memposisikan molekul individu dengan cepat, khusus dan dalam orientasi yang tepat, dan semua ini sepenuhnya mandiri,” kata Oliver Hofmann dari Institute of Solid State Physics, yang mengepalai kelompok penelitian. Kemajuan ini dapat memungkinkan konstruksi struktur molekul yang sangat kompleks, termasuk nano Sirkuit Logika.
Kelompok penelitian, yang disebut “Pengaturan Molekul melalui Kecerdasan Buatan,” telah mendapatkan € 1,19 juta ($ 1,23 juta) dalam pendanaan dari Dana Sains Austria untuk mengubah visi ini menjadi kenyataan
Teknik canggih dalam posisi molekuler
Posisikan molekul individu pada permukaan material dilakukan dengan menggunakan mikroskop tunneling pemindaian. Ujung probe memancarkan dorongan listrik untuk menyimpan molekul yang dibawanya. “Seseorang membutuhkan beberapa menit untuk menyelesaikan langkah ini untuk molekul sederhana,” kata Oliver Hofmann. “Tetapi untuk membangun struktur yang rumit dengan efek yang berpotensi menarik, ribuan molekul kompleks harus diposisikan secara individual dan hasilnya kemudian diuji. Ini tentu saja membutuhkan waktu yang relatif lama. ”
Integrasi AI untuk meningkatkan presisi
Namun, mikroskop tunneling pemindaian juga dapat dikendalikan oleh komputer. Tim Oliver Hofmann sekarang ingin menggunakan berbagai Pembelajaran Mesin Metode untuk mendapatkan sistem komputer untuk menempatkan molekul pada posisi yang benar secara independen. Pertama, metode AI digunakan untuk menghitung rencana optimal yang menggambarkan pendekatan yang paling efisien dan andal untuk membangun struktur. Algoritma AI belajar mandiri kemudian mengontrol ujung probe untuk menempatkan molekul dengan tepat sesuai dengan rencana tersebut.
“Posisikan molekul kompleks pada presisi tertinggi adalah proses yang sulit, karena penyelarasan mereka selalu tunduk pada tingkat kebetulan tertentu meskipun ada kendali terbaik,” jelas Hofmann. Para peneliti akan mengintegrasikan faktor probabilitas bersyarat ini ke dalam sistem AI sehingga masih bertindak dengan andal.
Masa depan koral kuantum
Menggunakan mikroskop tunneling pemindaian yang dikendalikan AI yang dapat bekerja sepanjang waktu, para peneliti pada akhirnya ingin membangun apa yang disebut koral kuantum. Ini adalah struktur nano dalam bentuk gerbang, yang dapat digunakan untuk menjebak elektron dari bahan tempat mereka disimpan. Sifat seperti gelombang dari elektron kemudian menyebabkan gangguan mekanis kuantum yang dapat digunakan untuk aplikasi praktis. Sampai sekarang, koral kuantum terutama dibangun dari atom tunggal.
Tim Oliver Hofmann sekarang ingin memproduksinya dari molekul berbentuk kompleks: “Hipotesis kami adalah bahwa ini akan memungkinkan kami untuk membangun koral kuantum yang jauh lebih beragam dan dengan demikian secara khusus memperluas efeknya.” Para peneliti ingin menggunakan koral kuantum yang lebih kompleks ini untuk membangun sirkuit logika untuk secara mendasar mempelajari cara kerja mereka pada tingkat molekuler. Secara teoritis, koral kuantum seperti itu suatu hari nanti dapat digunakan untuk membangun chip komputer.
Penelitian dan Sinergi Kolaboratif
Untuk program lima tahun, kelompok penelitian ini mengumpulkan keahlian dari bidang kecerdasan buatan, matematika, fisika, dan kimia. Bettina Könighofer dari Institute of Information Security bertanggung jawab atas pengembangan model pembelajaran mesin. Timnya harus memastikan bahwa sistem belajar mandiri tidak secara tidak sengaja menghancurkan struktur nano yang dibangunnya.
Jussi Behrndt dari Institute of Applied Mathematics akan menentukan sifat mendasar dari struktur yang akan dikembangkan secara teoritis, sementara Markus Aichhorn dari Institute of Teoretical Physics akan menerjemahkan prediksi ini ke dalam aplikasi praktis. Leonhard Grill dari Institute of Chemistry di University of Graz terutama bertanggung jawab atas percobaan nyata pada pemindaian mikroskop tunneling.
Referensi: “MAM-STM: Perangkat Lunak untuk Kontrol Otonomi Bahan Tunggal terhadap Posisi Permukaan Spesifik” oleh Bernhard Ramsauer, Johannes J. Cartus dan Oliver T. Hofmann, 6 Juni 2024, Komunikasi Fisika Komputer.
Doi: 10.1016/j.cpc.2024.109264
