天津
编辑丨%
如果把传统材料实验比作盖房子，那么原子尺度的材料制造，可能是世界上最难控制的「施工现场」之一。
这里的砖块不是砖，而是单个分子；施工工具也不是机械臂，而是一根极其锋利的扫描隧道显微镜（STM）探针。研究人员需要让探针靠近特定分子，在极其精细的电流、电压和运动速度条件下把它移动到指定位置。稍有偏差，不仅分子可能跑错地方，连显微镜探针本身都可能失去稳定性。
过去，这类工作很大程度依赖研究人员手动操作。
现在，美国橡树岭国家实验室（ORNL）的研究人员开始把这件事交给 AI。更准确地说，他们让 AI 同时承担「看」和「决定怎么动」两项工作，再由显微镜完成真正的原子级操纵。这个系统最终连续工作超过 25 小时，并成功搭建出由 37 个分子组成的人造石墨烯晶格。
原子层面定制材料
这项研究最初于 2025 年 12 月 9 日提出，在发表于ACS Nano的一项研究中，ORNL 纳米相材料科学中心（CNMS）的研究人员描述了创建一个全自动系统，能够逐原子构建功能性材料。
https://pubs.acs.org/ancac3/article-abstract/20/4/3393/5151567/Automated-Construction-of-Artificial-Lattice?redirectedFrom=fulltext
该工作源自 P. Ganesh 和 Arthur P. Baddorf 形成的概念框架，以及 An-Ping Li 和 Rama Vasudevan 共同监督实施并指导结果的解释。
在这类研究中，利用扫描隧道显微镜操纵单个原子或分子，并不是什么新鲜事。研究人员当然可以通过 STM 把一个分子推到另一个位置，但如果希望按照预先设计的图案，连续搬运几十个甚至更多分子，就必须不断判断现有分子的特质与位置，还需要分析探证路径与使用电流电压的大小。
更麻烦的是，STM 探针非常敏感。随着长时间操作，它可能发生漂移、状态变化甚至失稳。
ORNL 这项研究试图解决的，就是这个自动化瓶颈。
AI 视觉与控制
整个系统可以理解成两层 AI。
第一层负责「看」。
研究人员使用深度学习目标检测模型 YOLO，从 STM 获得的图像中快速识别 CO 分子的位置。这样，系统就不需要依赖人类研究人员逐个判断分子在哪里。
图示：视觉化摘要。
第二层负责「动」。
研究人员首先让系统尝试不同的操纵参数，包括样品偏压、隧穿电流设定值以及探针移动速度。不同参数组合会产生不同的结果：有些能成功把分子推到目标位置，有些会偏离，有些甚至可能导致操作失败。
当分子到达目标位点时，奖励最高，未达到目标位点则低得多。通过将更高的奖励与产生它们的动作联系起来，模型学习了电流、偏置和操作速度的最佳组合，以在不损坏显微镜尖端的情况下推动分子进入位置。
人造石墨烯
研究人员通过使用 AI 构建出由 37 个分子组成的完美蜂窝状人工石墨烯晶格，验证了其设计的有效性。更重要的是，他们通过发现狄拉克点——一种独特的电子特征，证明这种人造材料的行为与真实石墨烯完全一致。为了展示其多功能性，该人工智能甚至用单个分子拼出了「ORNL」这一名称。
科学正进入一个物质本身可编程的时代。通过将 AI 决策与原子级精度相结合，研究人员能够迫使电子以在自然界中不存在的定制方式行为。这项能力在研究中得以展示，使人们能够从零开始设计制造高速电子器件和先进存储设备所需的材料。
https://phys.org/news/2026-09-ai-automates-creation-custom-functional.html
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
