人工智能创造出纳米“梯子”，这是怎么做到的？

人工智能（AI）已经不仅仅是计算机科学的领域，它也可以帮助我们发现新的材料。最近，美国能源部布鲁克海文国家实验室（BNL）的科学家们就利用AI技术，在纳米尺度上创造出了一种前所未有的“梯子”结构。这种结构是通过一种叫做自组装的过程形成的，它可以为微电子和其他领域带来新的应用。

什么是自组装？

 自组装是一种材料的分子自行排列成特定形状的过程，这种过程在自然界中很常见，比如蛋白质、DNA、细胞膜等都是通过自组装形成的。

自组装可以产生复杂而精确的纳米结构，这对于制造微电子、催化、传感器等设备非常有用。但是，传统的自组装只能形成相对简单的结构，比如圆柱、片层、球体等。

如何创造新型纳米结构？

BNL的科学家们发现了一种方法，可以通过将两种不同的自组装材料混合在一起，并使用合适的化学模板来引导它们排列，从而创造出新型纳米结构。他们使用了一种叫做块共聚物（BCP）的材料，它是由两种不同性质的聚合物链连接在一起的大分子。

BCP可以自动分离成两个相互排斥的区域，并形成规则的图案。科学家们将两种不同类型的BCP混合在一起，并将它们涂在一个具有周期性条纹图案的化学模板上。这样，BCP就会根据模板上不同化学性质的区域来调整自己的排列方式。

使用这种方法，科学家们发现了三种新型纳米结构：斜线、交替线和梯子。其中最令人惊讶的是梯子结构，它是由两个平行排列的BCP片层之间连接着若干个BCP圆柱组成。

这种结构在自组装领域从未出现过，也没有任何理论预测过。科学家们认为这种结构可能具有特殊的光学或电子性质，值得进一步研究。

如何利用AI加速研究？ 要想找到合适的参数来制造新型纳米结构并不容易，因为涉及到很多变量，比如BCP类型、比例、温度、时间等。如果采用传统的人工试错方法，可能需要花费很长时间才能得到结果。

为了加速研究进程，BNL的科学家们利用了AI技术来进行自主实验。他们开发了一个AI框架，可以自动定义和执行实验的所有步骤，并根据实验结果来优化参数和策略。

他们还利用了BNL另一个国家级用户设施——国家同步辐射光源二号（NSLS-II），来对实验样品进行高分辨率和高通量的扫描电子显微镜（SEM）观察，并将图像数据传输给AI系统进行分析。

通过使用AI技术，科学家们可以快速地探索不同参数下BCP混合物形成的纳米图案，并发现之前未知或意想不到的结构。他们希望通过建立一个更丰富和多样化的自组装纳米图案库，来拓展其在微电子和其他领域中的应用。这项研究在《科学进展》杂志上发表，是人工智能在材料科学领域的一个重要突破。