Las moléculas son los componentes básicos de la vida cotidiana. Muchos materiales se componen de ellos, un poco como un modelo de LEGO consiste en una multitud de ladrillos diferentes. Pero mientras que los ladrillos LEGO individuales se pueden mover o quitar simplemente, esto no es tan fácil en el nanomundo. Los átomos y las moléculas se comportan de una manera completamente diferente a los objetos macroscópicos y cada ladrillo requiere su propio "manual de instrucciones". Científicos de Jülich y Berlín han desarrollado un sistema de inteligencia artificial que aprende de forma autónoma cómo agarrar y mover moléculas individuales utilizando un microscopio de efecto túnel. El método, que ha sido publicado en Avances de la ciencia , no solo es relevante para la investigación, sino también para tecnologías de producción novedosas, como la impresión 3D molecular.

Creación rápida de prototipos la producción rápida y rentable de prototipos o modelos, más conocida como impresión 3D, se ha establecido desde hace mucho tiempo como una herramienta importante para la industria. "Si este concepto pudiera transferirse a la nanoescala para permitir que las moléculas individuales se unan o se separen específicamente de nuevo como los ladrillos LEGO, las posibilidades serían casi infinitas, dado que hay alrededor de 1060 tipos de moléculas concebibles, "explica el Dr. Christian Wagner, jefe del grupo de trabajo del ERC sobre manipulación molecular en Forschungszentrum Jülich.

Hay un problema sin embargo. Aunque el microscopio de efecto túnel es una herramienta útil para mover moléculas individuales hacia adelante y hacia atrás, Siempre se requiere una "receta" personalizada especial para guiar la punta del microscopio para organizar las moléculas espacialmente de una manera específica. Esta receta tampoco se puede calcular, ni deducidos por intuición:la mecánica en la nanoescala es simplemente demasiado variable y compleja. Después de todo, la punta del microscopio no es en última instancia una pinza flexible, sino más bien un cono rígido. Las moléculas simplemente se adhieren ligeramente a la punta del microscopio y solo se pueden colocar en el lugar correcto mediante patrones de movimiento sofisticados.

"Hasta la fecha, tal movimiento dirigido de moléculas solo ha sido posible a mano, a través de prueba y error. Pero con la ayuda de un autoaprendizaje, sistema de control de software autónomo, ahora hemos logrado por primera vez encontrar una solución para esta diversidad y variabilidad en la nanoescala, y en la automatización de este proceso, "dice un Prof. Dr. Stefan Tautz encantado, director del instituto de nanociencia cuántica de Jülich.

La clave de este desarrollo radica en el llamado aprendizaje por refuerzo, una variante especial del aprendizaje automático. "No prescribimos una vía de solución para el agente de software, sino recompensar el éxito y penalizar el fracaso, "explica el Prof. Dr. Klaus-Robert Müller, jefe del departamento de Machine Learning en TU Berlin. El algoritmo intenta repetidamente resolver la tarea en cuestión y aprende de sus experiencias. El público en general se dio cuenta del aprendizaje por refuerzo hace unos años a través de AlphaGo Zero. Este sistema de inteligencia artificial desarrolló de forma autónoma estrategias para ganar el juego altamente complejo de Go sin estudiar a los jugadores humanos, y después de unos pocos días, fue capaz de vencer a los jugadores profesionales de Go.

"En nuestro caso, al agente se le asignó la tarea de eliminar moléculas individuales de una capa en la que están retenidas por una compleja red de enlaces químicos. Para ser preciso, estas eran moléculas de perileno, como los utilizados en tintes y diodos emisores de luz orgánicos, "explica el Dr. Christian Wagner. El desafío especial aquí es que la fuerza requerida para moverlos nunca debe exceder la fuerza del vínculo con el que la punta del microscopio de efecto túnel atrae la molécula, ya que este vínculo se rompería de otra manera. "Por lo tanto, la punta del microscopio debe ejecutar un patrón de movimiento especial, que previamente teníamos que descubrir a mano, bastante literal, Wagner agrega. Si bien el agente de software inicialmente realiza acciones de movimiento completamente aleatorias que rompen el vínculo entre la punta del microscopio y la molécula, con el tiempo, desarrolla reglas sobre qué movimiento es el más prometedor para el éxito en qué situación y, por lo tanto, mejora con cada ciclo.

Sin embargo, el uso del aprendizaje por refuerzo en el rango nanoscópico trae consigo desafíos adicionales. Los átomos de metal que forman la punta del microscopio de túnel de barrido pueden terminar desplazándose ligeramente, que altera la fuerza de unión a la molécula cada vez. "Cada nuevo intento aumenta el riesgo de un cambio y, por lo tanto, la ruptura del enlace entre la punta y la molécula. Por lo tanto, el agente de software se ve obligado a aprender con especial rapidez. dado que sus experiencias pueden volverse obsoletas en cualquier momento, "Explica el profesor Dr. Stefan Tautz." Es un poco como si la red de carreteras, Leyes de Tránsito, carrocería, y las reglas para operar el vehículo cambian constantemente mientras se conduce de forma autónoma ". Los investigadores han superado este desafío haciendo que el software aprenda un modelo simple del entorno en el que la manipulación se lleva a cabo en paralelo con los ciclos iniciales. Luego, el agente entrena simultáneamente a ambos en realidad y en su propio modelo, lo que tiene el efecto de acelerar significativamente el proceso de aprendizaje.

"Esta es la primera vez que logramos unir la inteligencia artificial y la nanotecnología, "enfatiza Klaus-Robert Müller." Hasta ahora, esto ha sido solo una 'prueba de principio', "Tautz agrega." Sin embargo, estamos seguros de que nuestro trabajo allanará el camino para la construcción automatizada asistida por robot de estructuras supramoleculares funcionales, como transistores moleculares, celdas de memoria, o qubits — con una velocidad, precisión, y confiabilidad muy por encima de lo que es posible actualmente ".