荷蘭研究人員如今設(shè)計出世界上最精確的微芯片傳感器之一。該設(shè)備可在室溫下工作——這是量子技術(shù)和傳感技術(shù)的“圣杯”。他們將納米技術(shù)和受自然界蜘蛛網(wǎng)啟發(fā)的機器學習相結(jié)合，使一個納米機械傳感器能夠在遠離日常噪聲的情況下振動。這一突破近日發(fā)表在《先進材料新星》雜志上，對引力和暗物質(zhì)的研究，以及量子互聯(lián)網(wǎng)、導航和傳感領(lǐng)域都有意義。

用激光探測人造蜘蛛網(wǎng)的藝術(shù)圖 圖片來源：代爾夫特理工大學光學實驗室

在最小尺度上研究振動物體（比如那些用于傳感器或量子硬件的物體）的最大挑戰(zhàn)之一，是如何防止環(huán)境熱噪聲與它們的脆弱狀態(tài)相互作用。例如，量子硬件通常保持在接近絕對零度（-273.15℃）的溫度，用于盛放其的冰箱每臺售價達50萬歐元。代爾夫特理工大學的研究人員發(fā)明了一種網(wǎng)狀微芯片傳感器，在隔絕室溫噪聲的情況下能產(chǎn)生極好的共振。在其他應(yīng)用中，這項發(fā)現(xiàn)將使建造量子設(shè)備變得更加便宜。

搭進化便車

領(lǐng)導這項研究的Richard Norte和Miguel Bessa一直在尋找將納米技術(shù)和機器學習結(jié)合起來的新方法。他們是怎么想到用蜘蛛網(wǎng)作為模型的呢？

“我已經(jīng)做這項工作10年了，在疫情居家期間，我注意到家里的露臺上有很多蜘蛛網(wǎng)。我意識到蛛網(wǎng)是很好的振動探測器，就像風吹過樹時，它們需要測量網(wǎng)內(nèi)而非網(wǎng)外的振動來尋找獵物。”Norte說，“這樣的話，為什么不借助蛛網(wǎng)數(shù)百萬年的進化，將其作為超敏感設(shè)備的初始模型呢？”

由于該團隊對蛛網(wǎng)的復(fù)雜性并不了解，于是他們便讓機器學習指導發(fā)現(xiàn)過程?！拔覀冎缹嶒灪湍M是昂貴和耗時的，所以我們的團隊決定使用一種叫做貝葉斯優(yōu)化的算法，用很少的嘗試找到一個好的設(shè)計。”Bessa說。在此背景下，該研究第一作者Dongil Shin搭建計算機模型，并應(yīng)用機器學習算法尋找新的設(shè)備設(shè)計方案。

基于蛛網(wǎng)的傳感器

令研究人員驚訝的是，算法從150種不同的蜘蛛網(wǎng)設(shè)計中找出了一個相對簡單的蜘蛛網(wǎng)，它僅由6條字符串以一種看似簡單的方式組合在一起。

“Dongil的計算機模擬顯示，該設(shè)備可以在室溫下工作。在這種環(huán)境下，原子振動很大，但仍然有非常低的能量從環(huán)境中泄漏。換句話說，這是一個更高的質(zhì)量因素。通過機器學習和優(yōu)化，我們成功地將Richard的蜘蛛網(wǎng)概念調(diào)整為更好的質(zhì)量因素?！盉essa說。

基于這一新的設(shè)計，共同第一作者Andrea Cupertino用一種被稱為氮化硅的超薄、納米厚度的陶瓷薄膜制造了一個微芯片傳感器。研究小組通過強力振動微芯片“網(wǎng)”來測試模型，并測量振動停止所需的時間。

結(jié)果是驚人的：室溫下的孤立振動破了紀錄。對此，Norte表示：“我們發(fā)現(xiàn)在微芯片網(wǎng)絡(luò)之外幾乎沒有能量損失。振動在內(nèi)部呈圓周運動，而不接觸外部。這有點像在秋千上推某人一下，然后他們在秋千上運動了將近一個世紀都沒有停止?！?

通過這一源于蜘蛛網(wǎng)的傳感器，研究人員展示了這種跨學科的策略如何通過結(jié)合仿生設(shè)計、機器學習和納米技術(shù)，打開了一條通向科學新突破的道路。這一新穎的范式對量子互聯(lián)網(wǎng)、傳感、微芯片技術(shù)和基礎(chǔ)物理學都將產(chǎn)生影響。例如，探索超小的力，如引力或暗物質(zhì)，它們通常都是非常難以測量的。 （馮維維）