隨著芯片技術的發(fā)展，硅基芯片受限于物理工藝極限，尋找其他芯片材料是未來的重點發(fā)展方向。

開殼磁性納米石墨烯作為一類新型碳基量子材料，具有強大的π自旋中心和非同尋常的集體量子磁性，對于在分子水平上開發(fā)高速電子器件或創(chuàng)建量子比特（量子計算機的構(gòu)建塊）至關重要。

表面合成方法的出現(xiàn)使量子材料得到廣泛發(fā)展，然而該方法受到更高選擇性和效率的限制，要在原子水平上精確制備和調(diào)控這類量子材料的性質(zhì)仍然具有挑戰(zhàn)性。

鑒于此，清華大學的王笑楠副教授聯(lián)合新加坡國立大學（NUS）Jiong LU副教授、Chun ZHANG副教授等人通過整合探針化學知識和人工智能，開創(chuàng)了化學感知原子機器探針（CARP）的概念系統(tǒng)，以在單分子水平上制備和表征開殼磁性納米石墨烯，實現(xiàn)其π電子拓撲和自旋構(gòu)型的精確構(gòu)建。

CARP由一系列經(jīng)過表面化學家經(jīng)驗和知識訓練的深度神經(jīng)網(wǎng)絡驅(qū)動，可實現(xiàn)開殼磁性納米石墨烯的自主合成，并有效地從實驗訓練數(shù)據(jù)庫中獲取有價值的隱藏信息，為全面理解探針化學反應機制的理論模擬提供重要支持。

相關研究以《Intelligent synthesis of magnetic nanographenes via chemist-intuited atomic robotic probe》為題，于 2024 年 2 月 29 日發(fā)表在《Nature Synthesis》上。

CARP可在原子精度上高效制造量子材料

研究利用此前該團隊發(fā)現(xiàn)的復雜位點選擇性環(huán)脫氫化反應的化學家專業(yè)知識來訓練CARP概念。

結(jié)果顯示，CARP框架可以有效地采用來自表面科學家的知識，并將其轉(zhuǎn)化為機器可理解的任務，成功模仿有經(jīng)驗的表面科學家的工作流程，執(zhí)行操縱幾何構(gòu)型和自旋重數(shù)的單分子反應。這是有史以來首次由人工智能（AI）推動的探針化學反應。

CARP學習范式為理解基本機制提供見解

此外，研究團隊最大限度地利用人工智能的能力，從數(shù)據(jù)庫中提取深層信息。為了利用CARP的深層信息，其建立了一個智能學習范式，使用基于博弈論的方法來檢驗框架的學習成果。

分析表明，CARP有效地捕獲了人類可能會忽略的重要細節(jié)，特別是在使環(huán)脫氫化反應成功的因素方面。這表明CARP框架可用于進一步深入了解未探索的單分子反應機制，潛在地加速亞埃尺度上的研究。

本項目的目標是在原子水平上創(chuàng)建、研究和控制這些量子材料，也在努力改變在表面上生產(chǎn)這些量子材料的方式，以便更好地控制成品，甚至到達個別原子和鍵的水平。

未來將進一步擴展CARP框架，以采用多樣化的表面探針化學反應，并提高其規(guī)模和效率。它可能在加速量子材料的基礎研究并將納米制造提升到智能原子制造的新時代中發(fā)揮關鍵作用。