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——这是量子技术和传感的“圣杯”。结合纳米技术和受自然界蜘蛛网启发的机器学习，他们能够使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 Advanced Materials 的 Rising Stars Issue 上，对引力和暗物质的研究以及量子互联网、导航和传感领域具有重大意义。
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状态相互作用。例如，量子硬件通常保持在接近绝对零 (-273.15°C) 的温度，冰箱的成本为每台 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共振非常好。在其他应用中，他们的发现将使构建量子设备的成本大大降低。
在进化中搭便车
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。他们是如何想出使用蜘蛛网作为模型的想法的?理查德·诺特 (Richard Norte)：“我从事这项工作已经十年了，在封锁期间，我注意到露台上有很多蜘蛛网。我意识到蜘蛛网是非常好的振动检测器，因为它们想测量网内的振动以找到猎物，而不是在网外，就像风穿过树一样。那么为什么不搭便车经历数百万年的进化，并使用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，因此他们让机器学习指导发现过程。Miguel Bessa：“我们知道实验和模拟既费钱又费时，所以我们决定使用一种称为贝叶斯优化的算法，通过很少的尝试找到一个好的设计。”这项工作的共同第一作者 Dongil Shin 然后实现了计算机模型并应用机器学习算法来寻找新的设备设计。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！