基于强化学习的自动构建具有设计电子态的人工晶格结构
材料科学
2025-12-10 v2 机器学习
摘要
利用扫描隧道显微镜（STM）操控物质，即可创建拥有设计量子态的原子定义人工结构。然而，由于操控过程耗时且STM针尖敏感，限制了多样化配置的探索并限制了设计特征的规模。在本研究中，我们提出了一种基于强化学习（RL）的框架，通过使用STM针尖对铜基板上的二氧化碳（CO）分子进行空间操控来创建人工结构。该自动化工作流程结合了分子检测与操控，采用深度学习基于对象检测的方法定位CO分子，并使用线性分配算法将这些分子分配给指定的目标位点。我们最初基于随机参数抽样（包括样本偏置、隧穿电流设定点和操控速度）进行分子操控。该数据集随后被结构化为用于训练RL智能体的动作轨迹。该模型随后部署在STM上，用于在结构构建期间实时微调操控参数。我们的方案结合了路径规划协议和主动漂移补偿，实现了显著减少人工输入的原子精确制造，同时实现了具有所需电子属性的更大规模人工晶格。通过我们的方案，我们演示了自动构建扩展人工石墨烯晶格，并确认其电子结构中存在特征性的Dirac点。进一步讨论了RL-based结构组装的可扩展性挑战。
引用
@article{arxiv.2508.02581,
title = {Automated Construction of Artificial Lattice Structures with Designer Electronic States},
author = {Ganesh Narasimha and Mykola Telychko and Wooin Yang and Arthur P. Baddorf and P. Ganesh and An-Ping Li and Rama Vasudevan},
journal= {arXiv preprint arXiv:2508.02581},
year = {2025}
}