来自代尔夫特理工大学的一组研究人员设法设计了世界上最精确的微芯片传感器之一。该设备可以在室温下运行，它结合了纳米技术和受自然界蜘蛛网启发的机器学习，他们能够使这种纳米机械传感器在远离日常噪音的情况下振动。这一突破发表在近期的《Advanced Materials》上，它对引力和暗物质的研究以及量子互联网、导航和传感领域具有重要意义。

在最小尺度上研究振动物体(如传感器或量子硬件中使用的物体)的最大挑战之一是如何防止环境热噪声与其脆弱的状态发生相互作用。例如，量子硬件通常保持在接近绝对零度(-273.15°C)的温度，而创造这种环境的制冷机每台成本约50万欧元。代尔夫特理工大学的研究人员创造了一种网状微芯片传感器，该传感器在与室温噪声隔离的情况下能产生极佳的共振。他们的发现将使构建量子设备的成本大大降低。

在大自然的进化中搭便车

领导这项研究的Richard Norte和Miguel Bessa正在寻找将纳米技术与机器学习相结合的新方法。但是他们是如何想到使用蜘蛛网作为模型的呢？Richard Norte说：“我已经从事这项工作十年了。在疫情封锁期间，我注意到我的露台上有很多蜘蛛网。我意识到蜘蛛网是非常好的振动探测器，因为蜘蛛想测量网内的振动以找到它们的猎物，而不是外面的风吹过树的振动。那么为什么不搭便车使用这种经过数百万年进化形成的蜘蛛网作为超灵敏设备的初始模型呢？”

由于该团队对蜘蛛网的复杂性一无所知，因此他们使用机器学习来指导发现过程。Miguel Bessa：“我们知道实验和模拟既费钱又费时，因此我们决定使用一种被称为贝叶斯优化的算法，只需很少的尝试就能找到好的设计。”然后这项工作的共同第一作者Dongil Shin实现了计算模型并应用机器学习算法来寻找新的设备设计。

基于蜘蛛网的微芯片传感器

令研究人员惊讶的是，该算法从150种不同的蜘蛛网设计中提出了一种相对简单的蜘蛛网方案，它仅由6条以极其简单方式组合在一起的线组成。Bessa说：“Dongil的计算机模拟表明，该设备可以在室温下工作，其中的原子振动很大，但从环境中泄漏的能量仍然非常低——换句话说，这是一个更高的品质因数。通过机器学习和优化我们设法使Richard的蜘蛛网概念能适应这个更好的质量因素。”
 
基于这种新设计，共同第一作者Andrea Cupertino构建了一种微芯片传感器，该传感器具有被称为氮化硅的超薄纳米厚陶瓷材料膜。该团队通过强力振动该微芯片的“网”并测量振动停止所需的时间来测试该模型。结果非常震撼，它在室温下产生了破纪录的孤立振动。Norte说：“我们发现在我们微芯片的网之外几乎没有能量损失：振动发生在圆圈里面，并不会接触外面。”

对基础科学和应用科学的影响

通过这种基于蜘蛛网而设计的传感器，研究人员展示了这种跨学科策略如何通过结合仿生设计、机器学习和纳米技术来为科学领域的新突破开辟道路。这种新颖的范式对量子互联网、传感器、微芯片技术和基础物理学具有有趣的影响。例如可用于探索超小力，如众所周知难以测量的重力或暗物质。研究人员说，如果没有代尔夫特理工大学的资助，这一发现是不可能的，它导致了纳米技术和机器学习之间的这种合作。（编译:Qtech）