仿生蜘蛛网纳米机械谐振器，创造了世界上最精确微芯片传感器之一

　　研究人员利用仿生蜘蛛网的纳米机械谐振器，创造了世界上最精确的微芯片传感器之一
　　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（＂Spiderweb Nanomechanical Resonators via Bayesian Optimization: Inspired by Nature and Guided by Machine Learning＂），对引力和暗物质的研究，以及量子互联网、导航和感应。
　　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。
　　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，它仅由 6 条以极其简单的方式组合在一起的字符串组成。
　　Bessa：＂Dongil 的计算机模拟表明，该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 构建了一个微芯片传感器，该传感器具有超薄、纳米厚的陶瓷材料薄膜，称为氮化硅。他们通过强力振动微芯片＂网＂并测量振动停止所需的时间来测试模型。结果非常壮观：在室温下产生了破纪录的孤立振动。
　　Norte：＂我们发现在我们的微芯片网络之外几乎没有能量损失：振动在内部以圆圈形式移动并且不接触外部。这有点像给某人推一下秋千，然后让他们不停地挥动近一个世纪。＂
　　蜘蛛网微芯片制造工艺
　　制造工艺流程和机械特性设置的示意图。A–E) 工艺步骤包括将 Si 3 N 4沉积到硅衬底上 (A)、掩模图案化 (B)、通过干法蚀刻形成Si 3 N 4图案 (C)、掩模去除 (D) 和 Si 3 N 4底切和释放 (E)。F) 蜘蛛网纳米机械谐振器由压电致动器谐振驱动，其运动由平衡零差干涉仪进行光学测量。谐振器放置在 UHV 室内以达到低于 10 -8的压力毫巴。VOA，可变光衰减器；PID，比例积分微分控制器；FPC、光纤偏振控制器；Φ，纤维拉伸器。
　　蜘蛛网纳米机械谐振器的实验表征。
　　对基础科学和应用科学的影响
　　通过基于蜘蛛网的传感器，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，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具有有趣的影响：例如探索极小的力，例如众所周知难以测量的重力或暗物质。