Het ontwikkelen van een autonome AI-assistent om nanostructuren te bouwen

De chemische samenstelling van een materiaal alleen zegt soms weinig over de eigenschappen ervan. De beslissende factor is vaak de rangschikking van de moleculen in de atoomroosterstructuur of op het oppervlak van het materiaal. De materiaalkunde gebruikt deze factor om bepaalde eigenschappen te creëren door individuele atomen en moleculen op oppervlakken aan te brengen met behulp van hoogwaardige microscopen. Dit is nog steeds extreem tijdrovend en de geconstrueerde nanostructuren zijn relatief eenvoudig.

Met behulp van kunstmatige intelligentie wil een onderzoeksgroep van de TU Graz nu de constructie van nanostructuren naar een nieuw niveau tillen. Hun papier is gepubliceerd in het journaal Computerfysica Communicatie.

“We willen een zelflerend AI-systeem ontwikkelen dat individuele moleculen snel, specifiek en in de juiste oriëntatie positioneert, en dit alles volledig autonoom”, zegt Oliver Hofmann van het Institute of Solid State Physics, die de onderzoeksgroep leidt. Dit zou het mogelijk moeten maken zeer complexe moleculaire structuren te bouwen, inclusief logische circuits in het nanometerbereik.

Positionering met behulp van een scanning tunneling microscoop

De positionering van individuele moleculen op het oppervlak van een materiaal wordt uitgevoerd met behulp van een scanning tunneling microscoop. De punt van de sonde zendt een elektrische impuls uit om een ​​molecuul af te zetten dat het draagt.

“Voor een eenvoudig molecuul heeft een mens een paar minuten nodig om deze stap te voltooien”, zegt Hofmann. “Maar om ingewikkelde structuren met potentieel opwindende effecten te bouwen, moeten vele duizenden complexe moleculen afzonderlijk worden gepositioneerd en het resultaat vervolgens worden getest. Dat duurt uiteraard relatief lang.”

Een scanning tunneling microscoop kan echter ook door een computer worden bestuurd. Het team van Hofmann wil nu verschillende machine learning-methoden gebruiken om zo’n computersysteem de moleculen zelfstandig op de juiste positie te krijgen.

Ten eerste worden AI-methoden gebruikt om een ​​optimaal plan te berekenen dat de meest efficiënte en betrouwbare aanpak voor het bouwen van de constructie beschrijft. Zelflerende AI-algoritmen besturen vervolgens de punt van de sonde om de moleculen precies volgens plan te plaatsen.

“Het positioneren van complexe moleculen met de hoogste precisie is een moeilijk proces, omdat hun uitlijning ondanks de best mogelijke controle altijd onderhevig is aan een zekere mate van toeval”, legt Hofmann uit. De onderzoekers gaan deze voorwaardelijke waarschijnlijkheidsfactor integreren in het AI-systeem, zodat het nog steeds betrouwbaar functioneert.

Nanostructuren in de vorm van een poort

Met behulp van een AI-gestuurde scanning-tunnelingmicroscoop die 24 uur per dag kan werken, willen de onderzoekers uiteindelijk zogenaamde quantum corrals bouwen. Dit zijn nanostructuren in de vorm van een poort, waarmee elektronen kunnen worden opgevangen uit het materiaal waarop ze worden afgezet. De golfachtige eigenschappen van de elektronen leiden vervolgens tot kwantummechanische interferenties die voor praktische toepassingen kunnen worden gebruikt.

Tot nu toe zijn kwantumcorrals voornamelijk opgebouwd uit afzonderlijke atomen. Het team van Hofmann wil ze nu produceren uit complex gevormde moleculen. “Onze hypothese is dat dit ons in staat zal stellen veel diversere kwantumcorrals te bouwen en zo hun effecten specifiek uit te breiden.”

De onderzoekers willen deze complexere kwantumcorrals gebruiken om logische circuits te bouwen om zo fundamenteel te bestuderen hoe ze werken op moleculair niveau. Theoretisch zouden dergelijke kwantumkralen op een dag kunnen worden gebruikt om computerchips te bouwen.