The chemical composition of a material alone sometimes reveals little about its properties. The decisive factor is often the arrangement of the molecules in the atomic lattice structure or on the surface of the material. Materials science utilizes this fa
仅凭材料的化学成分有时很难揭示其特性。决定性因素通常是分子在原子晶格结构中或材料表面上的排列。材料科学利用这一因素通过在高性能显微镜的帮助下将单个原子和分子应用于表面来创造某些特性。这仍然非常耗时，并且构建的纳米结构相对简单
利用人工智能，格拉茨理工大学的一个研究小组现在希望将纳米结构的构建提升到一个新的水平。他们的论文发表在《计算机物理通讯》杂志上
该研究小组负责人、固态物理研究所的Oliver Hofmann表示：“我们希望开发一种自学习的人工智能系统，能够快速、准确、完全自主地定位单个分子。”。这应该可以构建高度复杂的分子结构，包括纳米范围内的逻辑电路 使用扫描隧道显微镜定位材料表面上单个分子的定位是通过扫描隧道显微镜进行的。探针的尖端发出电脉冲，以沉积其携带的分子
Hofmann说：“一个人需要几分钟的时间来完成一个简单分子的这一步。”。“但是，为了构建具有潜在兴奋效应的复杂结构，必须单独定位数千个复杂分子，然后测试结果。这当然需要相对较长的时间。”然而，扫描隧道显微镜也可以由计算机控制。Hofmann的团队现在希望使用各种机器学习方法，让这样的计算机系统独立地将分子放置在正确的位置
首先，人工智能方法用于计算最优方案，该方案描述了建造结构的最有效和最可靠的方法。然后，自学习AI算法控制探针尖端，根据计划精确放置分子
Hofmann解释说：“以最高精度定位复杂分子是一个困难的过程，因为尽管有最好的控制，它们的排列总是受到一定程度的偶然性的影响。”。研究人员将把这个条件概率因子整合到人工智能系统中，使其仍然可靠地工作 门形状的纳米结构使用可以全天候工作的AI控制的扫描隧道显微镜，研究人员最终希望建立所谓的量子围栏。这些是栅极形状的纳米结构，可用于捕获沉积在其上的材料中的电子。然后，电子的波状特性会导致量子力学干涉，可用于实际应用
到目前为止，量子围栏主要是由单个原子构建的。Hofmann的团队现在希望从复杂形状的分子中生产它们。“我们的假设是，这将使我们能够构建更多样化的量子围栏，从而专门扩展它们的效果。”
研究人员希望利用这些更复杂的量子围栏来构建逻辑电路，以便从根本上研究它们在分子水平上的工作方式。理论上，这种量子围栏有一天可以用来制造计算机芯片