摘要：仅材料的化学成分有时几乎没有显示其性质。决定性因子通常是分子在原子晶格结构或材料表面上的排列。材料科学利用该因素来通过高性能显微镜将单个原子和分子应用于表面来创建某些特性。使用人工智能，一个新的研究小组现在希望将纳米结构的构造提高到一个新的水平。...

仅材料的化学成分有时几乎没有显示其性质。决定性因子通常是分子在原子晶格结构或材料表面上的排列。材料科学利用该因素来通过高性能显微镜将单个原子和分子应用于表面来创建某些特性。这仍然非常耗时，构造的纳米结构相对简单。

Tu Graz的一个新研究小组使用人工智能，现在希望将纳米结构的构造提高到一个新的水平：“我们希望开发一个自我学习的AI系统，该系统将单个分子的定位迅速，具体和正确的方向定位，所有这些都是完全自动化的，” Oliver Hofmann来自Solid State Anstuct of Solid State Admentics，该研究所的研究小组，负责研究小组。这应该可以建立高度复杂的分子结构，包括纳米范围内的逻辑电路。 “通过人工智能的分子安排”研究小组从奥地利科学基金会获得总计119万欧元的资金。

使用扫描隧道显微镜定位

使用扫描隧道显微镜进行单个分子在材料表面上的定位。探针的尖端发出了电脉冲，以沉积其携带的分子。奥利弗·霍夫曼（Oliver Hofmann）说：“一个人需要几分钟才能完成这一步骤以进行简单的分子。” “但是，为了建立具有潜在令人兴奋的效果的复杂结构，必须单独定位成千上万的复杂分子并进行了测试。这当然需要相对较长的时间。”

但是，扫描隧道显微镜也可以由计算机控制。奥利弗·霍夫曼（Oliver Hofmann）的团队现在希望使用各种机器学习方法来获取这样的计算机系统，以将分子独立地放置在正确的位置。首先，AI方法用于计算一个最佳计划，该计划描述了建筑结构的最有效和可靠的方法。然后，自我学习的AI算法控制探针尖端以根据计划准确地放置分子。霍夫曼解释说：“将复杂分子定位在最高的过程中是一个困难的过程，因为尽管可以控制最好的控制，但它们的比对始终会受到一定程度的机会。”研究人员将将此条件概率因子整合到AI系统中，以便它仍然可靠地起作用。

纳米结构的形状

研究人员使用可以全天候工作的AI控制扫描隧道显微镜，最终希望建立所谓的量子畜栏。这些是栅极形状的纳米结构，可用于从沉积的材料中捕获电子。然后，电子的波状特性导致了可以用于实际应用的量子力学干扰。到目前为止，量子畜栏主要是由单个原子构建的。奥利弗·霍夫曼（Oliver Hofmann）的团队现在希望从复杂形状的分子中产生它们：“我们的假设是，这将使我们能够建立更多样化的量子畜栏，从而特别扩大它们的效果。”研究人员希望使用这些更复杂的量子畜栏来构建逻辑电路，以便从根本上研究它们在分子水平上的工作方式。从理论上讲，有一天可以使用这种量子畜栏来构建计算机芯片。

两所大学的专业知识

在其五年计划中，研究小组正在从人工智能，数学，物理和化学领域汇集专业知识。信息安全研究所的BettinaKönighofer负责机器学习模型的开发。她的团队必须确保自学系统不会无意中破坏其构建的纳米结构。应用数学研究所的Jussi Behrndt将确定要以理论基础开发的结构的基本属性，而理论物理研究所的Markus Aichhorn将将这些预测转化为实际应用。格拉斯大学化学研究所的莱昂哈德烧烤架主要负责扫描隧道显微镜的真实实验。