隨著芯片技術的發展，硅基芯片受限于物理工藝極限，尋找其他芯片材料是未來的重點發展方向。

開殼磁性納米石墨烯作為一類新型碳基量子材料，具有強大的π自旋中心和非同尋常的集體量子磁性，對于在分子水平上開發高速電子器件或創建量子比特（量子計算機的構建塊）至關重要。

表面合成方法的出現使量子材料得到廣泛發展，然而該方法受到更高選擇性和效率的限制，要在原子水平上精確制備和調控這類量子材料的性質仍然具有挑戰性。

鑒于此，清華大學的王笑楠副教授聯合新加坡國立大學（NUS）Jiong LU副教授、Chun ZHANG副教授等人通過整合探針化學知識和人工智能，開創了化學感知原子機器探針（CARP）的概念系統，以在單分子水平上制備和表征開殼磁性納米石墨烯，實現其π電子拓撲和自旋構型的精確構建。

CARP由一系列經過表面化學家經驗和知識訓練的深度神經網絡驅動，可實現開殼磁性納米石墨烯的自主合成，并有效地從實驗訓練數據庫中獲取有價值的隱藏信息，為全面理解探針化學反應機制的理論模擬提供重要支持。

相關研究以《Intelligent synthesis of magnetic nanographenes via chemist-intuited atomic robotic probe》為題，于 2024 年 2 月 29 日發表在《Nature Synthesis》上。

CARP可在原子精度上高效制造量子材料

研究利用此前該團隊發現的復雜位點選擇性環脫氫化反應的化學家專業知識來訓練CARP概念。

結果顯示，CARP框架可以有效地采用來自表面科學家的知識，并將其轉化為機器可理解的任務，成功模仿有經驗的表面科學家的工作流程，執行操縱幾何構型和自旋重數的單分子反應。這是有史以來首次由人工智能（AI）推動的探針化學反應。

CARP學習范式為理解基本機制提供見解

此外，研究團隊最大限度地利用人工智能的能力，從數據庫中提取深層信息。為了利用CARP的深層信息，其建立了一個智能學習范式，使用基于博弈論的方法來檢驗框架的學習成果。

分析表明，CARP有效地捕獲了人類可能會忽略的重要細節，特別是在使環脫氫化反應成功的因素方面。這表明CARP框架可用于進一步深入了解未探索的單分子反應機制，潛在地加速亞埃尺度上的研究。

本項目的目標是在原子水平上創建、研究和控制這些量子材料，也在努力改變在表面上生產這些量子材料的方式，以便更好地控制成品，甚至到達個別原子和鍵的水平。

未來將進一步擴展CARP框架，以采用多樣化的表面探針化學反應，并提高其規模和效率。它可能在加速量子材料的基礎研究并將納米制造提升到智能原子制造的新時代中發揮關鍵作用。