新型纳米串的振动时间比以前已知的任何固态物体都长

代尔夫特大学和布朗大学的研究人员设计出了类弦谐振器，该谐振器在环境温度下的振动时间比以前已知的任何固态物体都长；接近目前只有在接近绝对零度的温度下才能实现的温度。他们的研究发表在《自然通讯》上，推动了纳米技术和机器学习的前沿，制造出了一些世界上最灵敏的机械传感器

新开发的纳米串拥有有史以来在室温环境中任何夹紧物体的最高机械质量因子；在他们的情况下被夹在一个微芯片上。这使得该技术与现有微芯片平台的集成变得有趣

机械质量因子表示能量从振动物体中传出的程度。这些弦是专门设计用来捕获振动而不让它们的能量泄漏出去的

副教授Richard Norte说：“想象一下，一个秋千一旦被推动，就会摆动近100年，因为它几乎没有通过绳索失去能量。”

他补充道，“我们的纳米弦做着类似的事情，但我们的弦不是像摆动一样每秒振动一次，而是每秒振动100000次。因为能量很难泄漏出去，这也意味着环境噪音很难进入，这使这些传感器成为室温环境中最好的传感器。

”这项创新对于研究室温下的宏观量子现象至关重要，因为这些现象以前被噪音掩盖。虽然量子力学的奇怪定律通常只出现在单个原子中，但纳米串将自己与我们日常基于热量的振动噪声隔离开来的能力使它们能够打开一扇窗户，了解自己的量子特征；由数十亿个原子组成的弦。在日常环境中，这种能力将对基于量子的传感有着有趣的用途。“模拟和实验之间的非凡匹配

”我们的制造过程与当今纳米技术的发展方向不同，”领导实验工作的Andrea Cupertino博士说。这些弦长3厘米，厚70纳米，但按比例放大，这相当于制造悬挂半公里、几乎没有凹陷的玻璃吉他弦。

“这种极端结构只有在重力和重量影响不同的纳米尺度上才可行。Cupertino解释道：“这使得结构在日常规模上不可行，但在用于测量压力、温度、加速度和磁场等物理量的微型设备中尤其有用，我们称之为MEMS传感。”主要作者Dr。Dongil Shin，他与Miguel Bessa一起开发了这些算法

为了进一步提高设计这些大型详细结构的效率，机器学习算法巧妙地利用了更简单、更短字符串实验的见解来改进更长字符串的设计，使开发过程既经济又有效

Norte表示，该项目的成功证明了纳米技术和机器学习专家之间富有成果的合作，突显了尖端科学研究的跨学科性质

这些纳米串的含义超出了基础科学。它们为将高灵敏度传感器与标准微芯片技术集成提供了有前景的新途径，从而在基于振动的传感中开辟了新的途径

虽然这些初步研究侧重于弦，但这些概念可以扩展到更复杂的设计中，以测量其他重要参数，如惯性导航的加速度或下一代麦克风的振动鼓头。这项研究展示了将纳米技术进步与机器学习相结合以开辟技术新前沿的巨大可能性