Met precisie kwantummaterialen produceren, met behulp van AI

Een team van NUS-onderzoekers onder leiding van universitair hoofddocent Lu Jiong van de afdeling Scheikunde en het Instituut voor Functioneel Intelligente Materialen heeft samen met hun internationale medewerkers een nieuw concept ontwikkeld van een door chemici geïntuïteerde atomaire robotsonde (CARP).

Deze innovatie, die kunstmatige intelligentie (AI) gebruikt om het besluitvormingsproces van scheikundigen na te bootsen, maakt de productie van kwantummaterialen met ongeëvenaarde intelligentie en precisie mogelijk voor toekomstige kwantumtechnologietoepassingen zoals gegevensopslag en kwantumcomputers.

Magnetisch nanografeen met open schaal is een soort op koolstof gebaseerd kwantummateriaal dat belangrijke elektronische en magnetische eigenschappen bezit die belangrijk zijn voor de ontwikkeling van extreem snelle elektronische apparaten op moleculair niveau, of voor het creëren van kwantumbits, de bouwstenen van kwantumcomputers. De processen die worden gebruikt om dergelijke materialen te ontwikkelen, zijn in de loop der jaren vooruitgegaan dankzij de ontdekking van een nieuw type chemische reactie in de vaste fase, bekend als oppervlaktesynthese.

Het blijft echter een uitdaging om de eigenschappen van kwantummaterialen op atomair niveau nauwkeurig te fabriceren en aan te passen, omdat dit een hoger niveau van selectiviteit, efficiëntie en precisie vereist, wat de synthesebenadering op het oppervlak niet kan bieden. Dit beperkt de toepasbaarheid van magnetisch nanografeen met open schaal voor toekomstige technologie.

Assoc Prof Lu legt uit: “Ons belangrijkste doel is om op atomair niveau te werken aan het creëren, bestuderen en controleren van deze kwantummaterialen. We streven ernaar de productie van deze materialen op oppervlakken radicaal te veranderen om meer controle over hun resultaten mogelijk te maken, tot aan het niveau van individuele atomen en bindingen.”

De studie werd uitgevoerd in samenwerking met universitair hoofddocent Zhang Chun van het NUS-departement natuurkunde en universitair hoofddocent Wang Xiaonan van de Tsinghua Universiteit.

De doorbraak in het onderzoek was gepubliceerd in Natuursynthese op 29 februari 2024.

Het ontwikkelen van een nieuw concept voor nanotechnologie

Door scanning-sondemicroscooptechnieken te combineren met deep learning, heeft het onderzoeksteam de microscoop in staat gesteld een nauwkeurige fabricage uit te voeren van een op koolstof gebaseerd kwantummateriaal dat magnetische nanografenen wordt genoemd. Deze innovatieve aanpak maakt het ook mogelijk dat deze ‘slimme’ microscoop gedetailleerde chemische informatie kan extraheren, wat helpt bij het begrijpen van voorheen onbekende mechanismen.

Een belangrijk aspect van dit nieuwe concept is het vermogen om de expertise en intuïtie van menselijke oppervlaktechemici te benutten via een diep neuraal raamwerk binnen de CARP. Met dit raamwerk kan de microscoop specifieke kwantummaterialen fabriceren terwijl hij in realtime werkt. Om dit te bereiken ontwikkelde het onderzoeksteam verschillende lagen van convolutionele neurale netwerken, een soort deep learning-model dat wordt gebruikt voor beeldherkenning en -verwerking.

Het onderzoeksteam testte vervolgens het CARP-framework door het te trainen met behulp van de deskundige kennis van plaatsselectieve cyclodehydrogenering. Ontdekt door Dr. Su, is plaatsselectieve cyclodehydrogenering een complexe maar essentiële methode om nanografenen te synthetiseren.

Het CARP-framework vertoont bevredigende prestaties bij offline en real-time operaties, en slaagt erin de reacties van één molecuul te activeren op een schaal kleiner dan 0,1 nanometer. Dit is de eerste keer dat wordt gerapporteerd dat een sondechemische reactie wordt ondersteund door AI.

CARP: Van autonomie naar intelligentie

Het onderzoeksteam verwacht niet alleen dat het CARP-framework autonome operaties op atomaire schaal zal uitvoeren, maar streeft ernaar het vermogen van AI te maximaliseren om diepgaande informatie te begrijpen die verborgen is in de database. Om dit te bereiken heeft het team een ​​leerparadigma ontwikkeld om de leerresultaten van het raamwerk te onderzoeken met behulp van een op speltheorie gebaseerde aanpak.

De analyseresultaten geven aan dat de CARP effectief enkele kenmerken heeft vastgelegd die cruciaal kunnen zijn voor de succesvolle synthese van nanografeen door cyclodehydrogenering, wat voor menselijke operators een uitdaging kan zijn om op te merken. De CARP toonde ook potentieel bij het hanteren van veelzijdige sondechemiereacties bij testen met onbekende reacties met één molecuul.

“Ons doel in de nabije toekomst is om het CARP-framework verder uit te breiden om veelzijdige sondechemiereacties op het oppervlak met schaal en efficiëntie toe te passen. Dit heeft het potentieel om het conventionele laboratoriumgebaseerde syntheseproces op het oppervlak om te zetten in fabricage op de chip voor praktische toepassingen. Een dergelijke transformatie zou een cruciale rol kunnen spelen bij het versnellen van het fundamentele onderzoek naar kwantumkwesties en een nieuw tijdperk van intelligente atomaire fabricage kunnen inluiden, “voegde Assoc Prof. Lu toe.