荷兰研究人员如今设计出世界上最精确的微芯片传感器之一。该设备可在室温下工作——这是量子技术和传感技术的“圣杯”。他们将纳米技术和受自然界蜘蛛网启发的机器学习相结合，使一个纳米机械传感器能够在远离日常噪声的情况下振动。这一突破近日发表在《先进材料新星》杂志上，对引力和暗物质的研究，以及量子互联网、导航和传感领域都有意义。
用激光探测人造蜘蛛网的艺术图 图片来源：代尔夫特理工大学光学实验室
在最小尺度上研究振动物体（比如那些用于传感器或量子硬件的物体）的最大挑战之一，是如何防止环境热噪声与它们的脆弱状态相互作用。例如，量子硬件通常保持在接近绝对零度（-273.15℃）的温度，用于盛放其的冰箱每台售价达50万欧元。代尔夫特理工大学的研究人员发明了一种网状微芯片传感器，在隔绝室温噪声的情况下能产生极好的共振。在其他应用中，这项发现将使建造量子设备变得更加便宜。
搭进化便车
领导这项研究的Richard Norte和Miguel Bessa一直在寻找将纳米技术和机器学习结合起来的新方法。他们是怎么想到用蜘蛛网作为模型的呢？
“我已经做这项工作10年了，在疫情居家期间，我注意到家里的露台上有很多蜘蛛网。我意识到蛛网是很好的振动探测器，就像风吹过树时，它们需要测量网内而非网外的振动来寻找猎物。”Norte说，“这样的话，为什么不借助蛛网数百万年的进化，将其作为超敏感设备的初始模型呢？”
由于该团队对蛛网的复杂性并不了解，于是他们便让机器学习指导发现过程。“我们知道实验和模拟是昂贵和耗时的，所以我们的团队决定使用一种叫做贝叶斯优化的算法，用很少的尝试找到一个好的设计。”Bessa说。在此背景下，该研究第一作者Dongil Shin搭建计算机模型，并应用机器学习算法寻找新的设备设计方案。
基于蛛网的传感器
令研究人员惊讶的是，算法从150种不同的蜘蛛网设计中找出了一个相对简单的蜘蛛网，它仅由6条字符串以一种看似简单的方式组合在一起。
“Dongil的计算机模拟显示，该设备可以在室温下工作。在这种环境下，原子振动很大，但仍然有非常低的能量从环境中泄漏。换句话说，这是一个更高的质量因素。通过机器学习和优化，我们成功地将Richard的蜘蛛网概念调整为更好的质量因素。”Bessa说。
基于这一新的设计，共同第一作者Andrea Cupertino用一种被称为氮化硅的超薄、纳米厚度的陶瓷薄膜制造了一个微芯片传感器。研究小组通过强力振动微芯片“网”来测试模型，并测量振动停止所需的时间。
结果是惊人的：室温下的孤立振动破了纪录。对此，Norte表示：“我们发现在微芯片网络之外几乎没有能量损失。振动在内部呈圆周运动，而不接触外部。这有点像在秋千上推某人一下，然后他们在秋千上运动了将近一个世纪都没有停止。”
通过这一源于蜘蛛网的传感器，研究人员展示了这种跨学科的策略如何通过结合仿生设计、机器学习和纳米技术，打开了一条通向科学新突破的道路。这一新颖的范式对量子互联网、传感、微芯片技术和基础物理学都将产生影响。例如，探索超小的力，如引力或暗物质，它们通常都是非常难以测量的。 （冯维维）
