人工智能实现定制功能材料原子级自动化构建

近日，美国能源部橡树岭国家实验室研究团队在《ACS Nano》发表论文，展示了一种可全自动原子级构建自定义功能材料的AI系统。该系统由YOLO视觉模型与强化学习算法协同驱动，赋予扫描探针显微镜精准的视觉感知与决策能力。AI通过实时识别铜基底单分子，依据操作反馈自主学习最优电流、偏压与移动速度参数，在连续运行超25小时的过程中实现无人工干预的分子精准排布。 实验团队利用该系统成功构筑了由37个分子组成的完美石墨烯人工晶格，证实其具备真实石墨烯的狄拉克点电子特性，甚至能以分子拼写出实验室缩写。该突破标志着材料研发范式从自然探索转向人工晶格定制。研究人员指出，结合AI决策与原子级精度有望实现逆向设计，即由科学家直接设定目标电子特性，AI自主规划并构建所需结构。这将为高速电子器件、先进存储技术及拓扑量子比特研发提供底层支撑。目前该技术仍处半自动化阶段，需人工定期校准探针且单次构建耗时较长，但已为可编程物质时代奠定重要基石。