来自代尔夫特理工大学的一个研究小组成功地设计了世界上最精确的微芯片传感器之一；该装置可以在室温下运行。他们将纳米技术和机器学习与自然界的蜘蛛网结合起来，能够使纳米机械传感器在与日常噪音极端隔离的情况下振动。这一突破发表在《先进材料》的新星期刊上，对引力和暗物质的研究以及量子互联网、导航和传感领域有很大影响。
研究最小尺度的振动物体，如用于传感器或量子硬件的物体，最大的挑战之一是如何保持环境热噪声不与它们的脆弱状态发生作用。例如，量子硬件通常被保存在接近绝对零度（-273.15°C）的温度下，这种特种冰箱的价格为50万欧元一台。来自代尔夫特理工大学的研究人员创造了一种网状的微芯片传感器，在与室温噪声隔离的情况下能产生极好的共振，他们的发现将使建造量子设备的费用更加低廉。
受自然界蜘蛛网的启发和机器学习的指导，理查德·诺特（左）和米格尔·贝萨（右）在实验室里展示了一种新型的传感器。
领导这项研究的理查德-诺特和米格尔·贝萨正在寻找结合纳米技术和机器学习的新方法。他们是如何想到用蜘蛛网作为模型的？诺特表示"我做这项工作已经有十年了，在禁闭期间，我注意到我的阳台上有很多蜘蛛网。我意识到蜘蛛网是非常好的振动探测器，因为它们要测量网内的振动来寻找它们的猎物，而不是网外的振动，比如风吹过树。因此，为什么不搭上数百万年的进化的便车，用蜘蛛网作为一个超敏感设备的初始模型呢？"
由于该团队对蜘蛛网的复杂性一无所知，他们让机器学习来指导发现过程。贝萨表示："我们知道实验和模拟的成本很高，而且很耗时，所以和我的小组一起决定使用一种叫做贝叶斯优化的算法，用很少的尝试来找到一个好的设计。"这项工作的共同第一作者Dongil Shin随后实现了计算机模型并应用机器学习算法找到了新的设备设计。
令研究人员惊讶的是，该算法在150种不同的蜘蛛网设计中提出了一个相对简单的蜘蛛网，它只由六根弦以一种欺骗性的方式组合起来。"Dongil的计算机模拟显示，这种设备可以在室温下工作，在室温下原子振动很大，但从环境中泄露进来的能量仍然非常低，换句话说，质量系数更高。通过机器学习和优化，我们设法使理查德的蜘蛛网概念适应这一更好的质量系数。"
基于这种新的设计，共同第一作者安德烈·库珀蒂诺（Andrea Cupertino）建造了一个微芯片传感器，该传感器带有一层超薄的、纳米级厚度的陶瓷材料--氮化硅。他们通过强行振动微芯片"网"并测量振动停止所需的时间来测试该模型。结果非常壮观：室温下的隔离振动打破了纪录，微芯片网的外面几乎没有能量损失：振动在内部一圈移动，不接触外面。这好比在秋千上给人推一把，就可以让他们不停地荡上近一个世纪。
通过他们的基于蜘蛛网的传感器，研究人员展示了这种跨学科战略如何通过结合生物启发设计、机器学习和纳米技术，为科学领域的新突破开辟了道路。这种新颖的范式对量子互联网、传感、微芯片技术和基础物理学有着有趣的影响：例如探索超小的力量，如众所周知的难以测量的重力或暗物质。据研究人员称，如果没有大学的凝聚力资助，这一发现是不可能的，这导致了纳米技术和机器学习之间的合作。
