衡宇发自凹非寺
量子位公众号 QbitAI
AI 又达成了一个新成就！
只用 6 个小时，发现新的纳米结构。如果使用传统方法，完成这个任务至少需要 1 个月。
这一结果发表在 Science 子刊 Advance 上。
△扫描电子显微镜图像描绘了 AI 发现的新型纳米结构
实验来自美国能源部（DOE）布鲁克黑文国家实验室，研究人员用 AI 驱动的技术，发现了 3 种新的纳米结构。
其中一种的结构还是非常罕见的“阶梯”型。
整个过程他们用上叫做 gpCAM 的算法驱动框架，它可以自主定义和执行实验的所有步骤。
数字产品初创公司 CEO 读完论文后，大胆放话小蹭了 ChatGPT 的热度：我敢打赌，未来五年里，AI 改造工程、材料科学、制药，会让 ChatGPT 的影响力相形见绌。
发现三种新的纳米结构
新发现三种纳米结构，都是通过一种叫自组装（self-assembly）的过程形成的。
自组装是指基本结构单元，比如分子、纳米材料、微米等，自发形成有序结构的一种技术。
所形成的结构稳定，且几何外观具有一定规则。
布鲁克海文功能纳米材料中心（CFN）的科学家，也是新研究的作者之一 Gregory Doerk 解释：自组装材料的特性很小，同时还严格控制，使用这个技术，能让更小的纳米图案提高分辨率。
△共同作者 Kevin Yager（左）和 Gregory Doerk（右）。
介绍一下 CFN，这个机构的工作目标，就是建立一个自组装纳米模式类型的图书馆，来扩大其应用范围。
此前，研究人员证明通过混合两种自组装材料，可以形成新的纳米图案类型。
不过一直以来，传统的自组装只能形成相对简单的结构，比如如圆柱体、薄片或球体。
但这一次，研究人员发现，三种新纳米结构中，有个阶梯结构！
也就是说，一旦使用恰当的化学光栅（分光器），混合两种自组装材料是完全可以发现新结构的。
新发现带来惊喜，也带来了实验过程的新挑战：
整个自组装过程需要控制许多参数，必须找到合适的参数组合，才能创建新的且有用的结构。
这个过程往往非常漫长。
为了加速研究，CFN 的研究人员引入了一种新的 AI 能力：自主实验。
从 1 个月加速到 6 小时完成
不妨先听听传统方法是怎么来找合适的参数组合的～
首先，研究人员会合成一个样本，然后测量它，从中学习有用的信息。
然后，再制作一个不同的样本，测量它，从中学习……
总之就是不断重复这个过程，直到解决想要解决的问题。
如此单调乏味的重复性工作，为什么不交给 AI 试试呢？
其实 CFN 和同实验室的科学用户设施办公室国家同步加速器光源 II (NSLS-II）一直在开发一种 AI 框架，想让它可以自动定义和执行实验的所有步骤。
时间紧迫，CFN 最终选择与美国能源部高等数学能源研究应用中心（CAMERA）合作。
CAMERA 的 gpCAM 算法驱动框架，就可以进行自主决策。合作过程中，gpCAM 被用来自主探索模型的不同特征。
最新研究是团队首次成功演示该算法发现新材料的能力。
gpCAM 加入后，研究小组首先利用 CFN 的纳米加工设备，制备了一个具有一系列特性的复杂样本；接着又在 CFN 的材料合成设备中进行了自组装，并进行分析。
这个样品具有光谱性质，还包含了研究人员感兴趣的每个参数的梯度。
如此一来，单个样本就成为了许多不同材料结构的巨大集合。
这个样本被送到 NSLS-II，用超亮X射线进行结构研究。
△X 射线散射数据(左)显示与相应的扫描电子显微镜图像(右)的关键领域的样本
射线运行时，gpCAM 在没有人为干预的情况下，创建了一个材料的多个不同结构的模型。
gpCAM 要做的还有让测量更具洞察力，简单来说就是用 AI 算法选定下一步该测量的是哪个点位，让每次测量更准确。
△NSLS-II 的软物质接口 (SMI) 光束线。
从开始到结束，AI 算法一共花了 6 个小时。
假设使用的是传统方法，研究人员至少得在实验室里泡一个月。
这 6 个小时内，算法已经确定了复杂样本中的三个关键区域。
研究人员利用 CFN 电子显微镜设备对这三个区域进行精确的细节成像，揭示了纳米级梯子的纳米轨和梯度，以及其他一些新特征。
“自主实验可以极大地加速发现。”CFN 研究员、新研究共同作者 Kevin Yager，“这是在‘收紧’科学界通常的发现循环，减少假设和测量之间的时间间隔。”
Yager 还说，除速度外，自主实验还增加了可研究范围，这意味着现在可以尝试解决更具挑战性的科学问题了。
也就是说，自主实验方法具有自适应性，可以应用于几乎所有的研究问题。
研究人员们已经在期待研究多个参数之间复杂的相互作用，对此，你又有什么期待呢？
参考链接：
[1]https://phys.org/news/2023-01-ai-nanostructures.html
