美國能源部 (DOE) 布魯克海文國家實驗室的科學家已成功證明自主方法可以發現新材料。人工智能 (AI) 驅動的技術導致發現了三種新的納米結構，包括首創的納米級「梯子」。

該研究以「Autonomous discovery of emergent morphologies in directed self-assembly of block copolymer blends」為題發表在《Science Advances》雜志上。

論文鏈接：

https://www.science.org/doi/10.1126/sciadv.add3687

新發現的結構是通過稱為自組裝的過程形成的，在該過程中，材料的分子將自身組織成獨特的模式。布魯克海文功能納米材料中心 (CFN) 的科學家是指導自組裝過程、創建材料模板以形成微電子、催化等應用的理想排列的專家。他們發現的納米階梯和其他新結構進一步拓寬了自組裝的應用范圍。

「自組裝可以用作納米圖案技術，這是微電子和計算機硬件進步的驅動力，」CFN科學家和合著者Gregory Doerk說。「這些技術一直在推動使用更小的納米圖案獲得更高的分辨率。你可以從自組裝材料中獲得非常小且嚴格控制的特征，但它們不一定遵守我們為電路制定的那種規則。通過使用模板指導自組裝，我們可以形成更有用的模式。」

美國能源部科學用戶設施辦公室CFN的工作人員科學家旨在建立一個自組裝納米圖案類型庫，以擴大其應用范圍。在之前的研究中，他們證明了通過將兩種自組裝材料混合在一起可以實現新型圖案。

CFN小組負責人兼合著者Kevin Yager表示：「我們現在可以創建一個以前從未有人夢想過的階梯結構，這一事實令人驚嘆。傳統的自組裝只能形成相對簡單的結構，如圓柱體、薄片和球體。但通過將兩種材料混合在一起并使用正確的化學光柵，我們發現全新的結構是可能的。」

將自組裝材料混合在一起使CFN科學家能夠發現獨特的結構，但同時也帶來了新的挑戰。由于在自組裝過程中需要控制更多參數，找到正確的參數組合來創建新的有用結構是一場與時間的較量。為了加速他們的研究，CFN科學家利用了一種新的AI功能：自主實驗。

與美國能源部勞倫斯伯克利國家實驗室的能源研究應用高等數學中心 (CAMERA)、CFN的布魯克海文科學家和國家同步加速器光源 II (NSLS-II) 合作，布魯克海文實驗室的另一個科學用戶設施美國能源部辦公室， 一直在開發一個人工智能框架，可以自主定義和執行實驗的所有步驟。CAMERA的gpCAM算法驅動框架的自主決策。最新研究是該團隊首次成功展示該算法發現新材料的能力。

X射線散射數據（左）與AI算法識別的樣品中關鍵區域的相應掃描電子顯微鏡圖像（右）一起顯示。這些圖像揭示了三種新穎的納米圖案：交替線（頂部）、傾斜（中心）和階梯（底部）。比例尺為500納米。

「gpCAM是一種用于自主實驗的靈活算法和軟件，」伯克利實驗室科學家兼合著者Marcus Noack說。「在這項研究中，它被特別巧妙地用于自主探索模型的不同特征。」

「在伯克利實驗室同事的幫助下，我們已經準備好使用該軟件和方法，現在我們已經成功地使用它來發現新材料，」Yager說。「我們現在已經對自主科學有了足夠的了解，我們可以很容易地將材料問題轉化為自主問題。」

為了使用他們的新算法加速材料發現，該團隊首先開發了一個具有一系列特性的復雜樣本以供分析。研究人員使用CFN納米加工設備制造了樣品，并在CFN材料合成設備中進行了自組裝。

「做材料科學的一種老派方法是合成一個樣本，對其進行測量，從中學習，然后返回并制作不同的樣本并不斷迭代該過程，」Yager說。「相反，我們制作了一個樣本，該樣本具有我們感興趣的每個參數的梯度。因此，單個樣本是許多不同材料結構的大量集合。」

然后，該團隊將樣品帶到NSLS-II，后者會產生超亮 X 射線，用于研究材料的結構。CFN與NSLS-II合作運營三個實驗站，其中一個用于本研究，即軟物質接口 (SMI) 光束線。

NSLS-II的科學家兼合著者Masa Fukuto說：「SMI光束線的優勢之一是它能夠將X射線束聚焦到樣品上，精度可達微米級。」 「通過分析這些微束X射線如何被材料散射，我們了解材料在照明點的局部結構。然后在許多不同點的測量可以揭示局部結構在梯度樣本中的變化。在這項工作中，我們讓人工智能算法動態選擇接下來要測量的點，以最大化每次測量的價值。」

由于樣品是在SMI光束線上測量的，因此該算法無需人工干預即可創建材料的眾多不同結構集的模型。該模型會隨著每次后續的 X 射線測量進行自我更新，從而使每次測量都更加深入和準確。

國家同步加速器光源 II 的軟物質接口 (SMI) 光束線

在幾個小時內，該算法就確定了復雜樣本中的三個關鍵區域，供CFN研究人員更仔細地研究。他們使用CFN電子顯微鏡設備對這些關鍵區域進行了精細的成像，揭示了納米級梯子的軌道和橫檔，以及其他新特征。

從開始到結束，實驗進行了大約六個小時。研究人員估計，如果使用傳統方法，他們可能需要大約一個月的時間才能做出這一發現。

「自主方法可以極大地加速發現，」Yager說。「它本質上是 [收緊] 通常的科學發現循環，以便我們更快地在假設和測量之間循環。然而，除了速度之外，自主方法擴大了我們可以研究的范圍，這意味著我們可以解決更具挑戰性的科學問題。」

「展望未來，我們想研究多個參數之間復雜的相互作用。我們使用CFN計算機集群進行了模擬，驗證了我們的實驗結果，但他們也提出了其他參數，如薄膜厚度，也可以發揮重要作用，」 Doerk說。

該團隊正在積極地將他們的自主研究方法應用于自組裝以及其他類別材料中更具挑戰性的材料發現問題。自主發現方法具有適應性，幾乎可以應用于任何研究問題。

「我們現在正在將這些方法部署到來到CFN和NSLS-II進行實驗的廣大用戶社區，」Yager說。「任何人都可以與我們合作，加速他們材料研究的探索。我們預計，這將在未來幾年帶來一系列新發現，包括清潔能源和微電子等國家優先領域。」

審核編輯 ：李倩