Автономный робот играет с НаноЛЕГО

  • Пользователь Алексей Коровин опубликовал
  • 24 декабря 2022 г., 13:02:41 MSK
  • 0 комментариев
  • 45 просмотров
Атомы и молекулы ведут себя совершенно иначе, чем макроскопические объекты, и для каждого кирпича требуется своя "инструкция по эксплуатации". В настоящее время ученые разработали систему искусственного интеллекта, которая автономно учится захватывать и перемещать отдельные молекулы с помощью сканирующего туннельного микроскопа.

Молекулы - это строительные блоки повседневной жизни. Из них состоит множество материалов, немного похожих на модель LEGO, состоящую из множества различных кирпичей. Но в то время как отдельные кирпичики LEGO можно просто сдвинуть или убрать, в наномире это не так просто. Атомы и молекулы ведут себя совершенно иначе, чем макроскопические объекты, и для каждого кирпича требуется своя "инструкция по эксплуатации". Ученые из Юлиха и Берлина в настоящее время разработали систему искусственного интеллекта, которая автономно учится захватывать и перемещать отдельные молекулы с помощью сканирующего туннельного микроскопа. Метод, который был опубликован в Научные достижения, имеет отношение не только к исследованиям, но и к новым производственным технологиям, таким как молекулярная 3D-печать.

Быстрое прототипирование, быстрое и экономичное производство прототипов или моделей, более известное как 3D-печать, уже давно зарекомендовало себя как важный инструмент для промышленности. "Если бы эту концепцию можно было перенести на наноуровень, чтобы отдельные молекулы можно было специально собирать вместе или разделять снова, как кирпичики LEGO, возможности были бы почти безграничны, учитывая, что существует около 1060 возможных типов молекул", - объясняет доктор Кристиан Вагнер, глава рабочей группы ERC по молекулярным манипуляциям. в Форшунгсцентре Юлих.

Однако есть одна проблема. Хотя сканирующий туннельный микроскоп является полезным инструментом для перемещения отдельных молекул взад и вперед, всегда требуется специальный пользовательский "рецепт", чтобы направлять кончик микроскопа для целенаправленного расположения молекул в пространстве. Этот рецепт нельзя ни рассчитать, ни вывести интуитивно - механика на наноуровне просто слишком изменчива и сложна. В конце концов, наконечник микроскопа в конечном счете представляет собой не гибкий захват, а скорее жесткий конус. Молекулы просто слегка прилипают к наконечнику микроскопа и могут быть помещены в нужное место только с помощью сложных схем движения.

"На сегодняшний день такое целенаправленное перемещение молекул было возможно только вручную, методом проб и ошибок. Но с помощью самообучающейся автономной системы программного управления нам впервые удалось найти решение для этого разнообразия и изменчивости на наноуровне и автоматизировать этот процесс", - говорит восхищенный профессор доктор Стефан Таутц, глава института квантовых нанонаук Юлиха.

Ключ к этому развитию лежит в так называемом обучении с подкреплением, особом варианте машинного обучения. "Мы не предписываем путь решения для программного агента, а скорее поощряем успех и наказываем за неудачу", - объясняет профессор доктор Клаус-Роберт Мюллер, руководитель отдела машинного обучения в Берлинском университете. Алгоритм неоднократно пытается решить поставленную задачу и учится на своем опыте. Широкая общественность впервые узнала об обучении с подкреплением несколько лет назад благодаря AlphaGo Zero. Эта система искусственного интеллекта самостоятельно разрабатывала стратегии для победы в очень сложной игре Го, не изучая игроков-людей, и всего через несколько дней она смогла победить профессиональных игроков в Го.

"В нашем случае агенту была поставлена задача удалить отдельные молекулы из слоя, в котором они удерживаются сложной сетью химических связей. Если быть точным, это были молекулы перилена, такие как те, которые используются в красителях и органических светодиодах", - объясняет доктор Кристиан Вагнер. Особая сложность здесь заключается в том, что сила, необходимая для их перемещения, никогда не должна превышать силу связи, с помощью которой наконечник сканирующего туннельного микроскопа притягивает молекулу, поскольку в противном случае эта связь разорвалась бы. "Таким образом, наконечник микроскопа должен выполнять особый рисунок движения, который ранее нам приходилось обнаруживать вручную, в буквальном смысле", - добавляет Вагнер. В то время как программный агент изначально выполняет совершенно случайные движения, которые разрывают связь между кончиком микроскопа и молекулой, со временем он разрабатывает правила относительно того, какое движение является наиболее перспективным для успеха в той или иной ситуации, и поэтому становится лучше с каждым циклом.

Однако использование обучения с подкреплением в наноскопическом диапазоне сопряжено с дополнительными проблемами. Атомы металла, из которых состоит наконечник сканирующего туннельного микроскопа, могут в конечном итоге слегка смещаться, что каждый раз изменяет прочность связи с молекулой. "Каждая новая попытка увеличивает риск изменения и, следовательно, разрыва связи между наконечником и молекулой. Поэтому программный агент вынужден учиться особенно быстро, поскольку его опыт может устареть в любой момент", - объясняет профессор доктор Стефан Таутц. "Это немного похоже на то, как если бы дорожная сеть, правила дорожного движения, кузов и правила эксплуатации транспортного средства постоянно менялись во время автономной езды". Исследователи преодолели эту проблему, заставив программное обеспечение изучить простую модель среды, в которой манипуляции происходят параллельно с начальными циклами. Затем агент одновременно тренируется как в реальности, так и в своей собственной модели, что значительно ускоряет процесс обучения.

"Это первый случай, когда нам удалось объединить искусственный интеллект и нанотехнологии", - подчеркивает Клаус-Роберт Мюллер. "До сих пор это было всего лишь "доказательством принципа", - добавляет Таутц. "Однако мы уверены, что наша работа проложит путь к автоматизированному созданию функциональных супрамолекулярных структур с помощью роботов, таких как молекулярные транзисторы, ячейки памяти или кубиты - со скоростью, точностью и надежностью, намного превышающими то, что возможно в настоящее время".

Комментарии

0 комментариев