人工智能发现新的纳米结构
美国能源部(DOE)布鲁克海文国家实验室的科学家已经成功地证明了自主方法可以发现新材料。人工智能(AI)驱动的技术导致了三种新纳米结构的发现，包括首创的纳米级“阶梯”。这项研究今天发表在《科学进展》上。
新发现的结构是通过称为自组装的过程形成的，其中材料的分子将自己组织成独特的图案。布鲁克海文功能纳米材料中心(CFN)的科学家是指导自组装过程的专家，为材料创建模板，以形成微电子，催化等应用的理想安排。他们对纳米级梯子和其他新结构的发现进一步扩大了自组装的应用范围。
“自组装可以用作纳米图案化技术，这是微电子和计算机硬件进步的驱动力，”CFN科学家和合著者Gregory Doerk说。“这些技术总是在推动使用更小的纳米图案实现更高的分辨率。你可以从自组装材料中获得非常小且严格控制的特征，但它们不一定遵守我们为电路制定的规则。通过使用模板指导自组装，我们可以形成更有用的模式。
CFN是美国能源部科学用户设施办公室的科学家，旨在建立一个自组装纳米图案类型的库，以扩大其应用范围。在之前的研究中，他们证明了通过将两种自组装材料混合在一起可以实现新型图案。
“我们现在可以创建一个以前从未梦想过的梯形结构，这一事实令人惊讶，”CFN小组负责人和合著者Kevin Yager说。“传统的自组装只能形成相对简单的结构，如圆柱体、片材和球体。但是通过将两种材料混合在一起并使用恰到好处的化学光栅，我们发现全新的结构是可能的。
将自组装材料混合在一起使CFN科学家能够发现独特的结构，但也带来了新的挑战。在自组装过程中需要控制更多的参数，找到正确的参数组合来创建新的和有用的结构是一场与时间的斗争。为了加速他们的研究，CFN科学家利用了一项新的人工智能能力：自主实验。
与美国能源部劳伦斯伯克利国家实验室能源研究应用高等数学中心(CAMERA)合作，CFN的布鲁克海文科学家和国家同步加速器光源II(NSLS-II)，布鲁克海文实验室的另一个能源部科学用户设施办公室，一直在开发一个人工智能框架，可以自主定义和执行实验的所有步骤。CAMERA的gpCAM算法驱动了框架的自主决策。最新的研究是该团队首次成功证明了该算法发现新材料的能力。
“gpCAM是一种用于自主实验的灵活算法和软件，”伯克利实验室科学家和合著者Marcus Noack说。“在这项研究中，它被特别巧妙地用于自主探索模型的不同特征。
“在伯克利实验室同事的帮助下，我们已经准备好了这个软件和方法，现在我们已经成功地使用它来发现新材料，”Yager说。“我们现在已经对自主科学有了足够的了解，我们可以非常轻松地将材料问题转化为自主问题。
为了使用他们的新算法加速材料发现，该团队首先开发了一个具有一系列特性的复杂样品进行分析。研究人员使用CFN纳米制造设施制造样品，并在CFN材料合成设施中进行自组装。
“做材料科学的一种老派方法是合成一个样本，测量它，从中学习，然后回去制作一个不同的样本并继续迭代这个过程，”Yager说。“相反，我们制作了一个样本，其中包含我们感兴趣的每个参数的梯度。因此，这个单一的样本是许多不同材料结构的大量集合。
然后，研究小组将样品带到NSLS-II，它产生超亮X射线用于研究材料结构。CFN与NSLS-II合作运营三个实验站，其中一个用于本研究，软物质界面(SMI)光束线。
“SMI光束线的优势之一是它能够将X射线束聚焦在样品上，精确到微米，”NSLS-II科学家和合著者Masa Fukuto说。“通过分析这些微束X射线如何被材料散射，我们了解了材料在照明点的局部结构。然后，在许多不同的点进行测量可以揭示梯度样品中的局部结构如何变化。在这项工作中，我们让AI算法在飞行中挑选接下来要测量的点，以最大化每次测量的价值。
由于样品是在SMI光束线上测量的，该算法在没有人工干预的情况下创建了材料众多不同结构集的模型。该模型随着每次后续的X射线测量而更新，使每次测量都更具洞察力和准确性。
在几个小时内，该算法已经确定了复杂样本中的三个关键区域，供CFN研究人员进行更仔细的研究。他们使用CFN电子显微镜设备对这些关键区域进行精细的细节成像，揭示了纳米级梯子的轨道和梯级，以及其他新颖的特征。
从开始到结束，实验运行了大约六个小时。研究人员估计，使用传统方法，他们需要大约一个月的时间才能发现这一发现。
“自主方法可以极大地加速发现，”Yager说。“它本质上是'收紧'科学通常的发现循环，以便我们更快地在假设和测量之间循环。然而，除了速度之外，自主方法增加了我们可以研究的范围，这意味着我们可以解决更具挑战性的科学问题。
“展望未来，我们希望研究多个参数之间的复杂相互作用。我们使用CFN计算机集群进行了模拟，验证了我们的实验结果，但它们也表明其他参数(如薄膜厚度)也可以发挥重要作用，“Doerk说。
该团队正在积极将他们的自主研究方法应用于自组装中更具挑战性的材料发现问题，以及其他类别的材料。自主发现方法适应性强，几乎可以应用于任何研究问题。
“我们现在正在将这些方法部署到来到CFN和NSLS-II进行实验的广泛用户社区，”Yager说。“任何人都可以与我们合作，加速探索他们的材料研究。我们预计这将在未来几年内带来许多新发现，包括在清洁能源和微电子等国家优先领域。