荷兰研究职员如今设计出世界上最精确的微芯片传感器之一。该设备可在室温下事情——这是量子技能和传感技能的“圣杯”。他们将纳米技能和受自然界蜘蛛网启示的机器学习相结合，使一个纳米机器传感器能够在阔别日常噪声的情形下振动。这一打破近日揭橥在《前辈材料新星》杂志上，对引力和暗物质的研究，以及量子互联网、导航和传感领域都故意义。
在最小尺度上研究振动物体（比如那些用于传感器或量子硬件的物体）的最大寻衅之一，是如何防止环境热噪声与它们的薄弱状态相互浸染。例如，量子硬件常日保持在靠近绝对零度（-273.15℃）的温度，用于盛放其的冰箱每台售价达50万欧元。代尔夫特理工大学的研究职员发明了一种网状微芯片传感器，在隔绝室温噪声的情形下能产生极好的共振。在其他运用中，这项创造将使建造量子设备变得更加便宜。
搭进化便车
领导这项研究的Richard Norte和Miguel Bessa一贯在探求将纳米技能和机器学习结合起来的新方法。他们是怎么想到用蜘蛛网作为模型的呢？
“我已经做这项事情10年了，在疫情居家期间，我把稳到家里的露台上有很多蜘蛛网。我意识到蛛网是很好的振动探测器，就像风吹过树时，它们须要丈量网内而非网外的振动来探求猎物。”Norte说，“这样的话，为什么不借助蛛网数百万年的进化，将其作为超敏感设备的初始模型呢？”
由于该团队对蛛网的繁芜性并不理解，于是他们便让机器学习辅导创造过程。“我们知道实验和仿照是昂贵和耗时的，以是我们的团队决定利用一种叫做贝叶斯优化的算法，用很少的考试测验找到一个好的设计。”Bessa说。在此背景下，该研究第一作者Dongil Shin搭建打算机模型，并运用机器学习算法探求新的设备设计方案。
基于蛛网的传感器
令研究职员惊异的是，算法从150种不同的蜘蛛网设计中找出了一个相对大略的蜘蛛网，它仅由6条字符串以一种看似大略的办法组合在一起。
“Dongil的打算机仿照显示，该设备可以在室温下事情。在这种环境下，原子振动很大，但仍旧有非常低的能量从环境中泄露。换句话说，这是一个更高的质量成分。通过机器学习和优化，我们成功地将Richard的蜘蛛网观点调度为更好的质量成分。”Bessa说。
基于这一新的设计，共同第一作者Andrea Cupertino用一种被称为氮化硅的超薄、纳米厚度的陶瓷薄膜制造了一个微芯片传感器。研究小组通过强力振动微芯片“网”来测试模型，并丈量振动停滞所需的韶光。
结果是惊人的：室温下的伶仃振动破了记录。对此，Norte表示：“我们创造在微芯片网络之外险些没有能量丢失。振动在内部呈圆周运动，而不打仗外部。这有点像在秋千上推某人一下，然后他们在秋千上运动了将近一个世纪都没有停滞。”
通过这一源于蜘蛛网的传感器，研究职员展示了这种跨学科的策略如何通过结合仿生设计、机器学习和纳米技能，打开了一条通向科学新打破的道路。这一新颖的范式对量子互联网、传感、微芯片技能和根本物理学都将产生影响。例如，探索超小的力，如引力或暗物质，它们常日都是非常难以丈量的。（冯维维）
来源： 《中国科学报》
