导言：近日，中国生物多样性保护与绿色发展基金会（简称“中国绿发会”、“绿会”）国际部收到生命科学领域国际专家分享的关于仿生学对现代科技启发相关最新研究。此前，绿会国际部曾发布一篇题为《当孩子在看地铁路线分布网时，他在想什么？｜仿生学、创新与毅力》，此文写作正逢世界儿童日，作者分享了仿生学对促进人类科技创新、科研突破的具体案例，呼吁科学研究以及青少年创新意识的培养要回归生活，观察生活。仿生学再一次引起了人们的注意。今日要分享的由荷兰代尔夫特理工大学发表的题为《蜘蛛网是世界上最精确微芯片传感器之一的灵感来源》文章将详细介绍蜘蛛网如何启示研究人员，探索未来量子互联网、传感、微芯片技术和发展基础物理的有趣的意义。

现将编译如下，欢迎探讨，并分享您在生活中动物、植物曾给过你什么样的启发。

蜘蛛网是世界上最精确微芯片传感器之一的灵感来源

艺术家对人造物印象——用激光探测人造蜘蛛网

（图源：荷兰代尔夫特学实验室）

荷兰杜代尔夫特大学的一个研究小组成功设计出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工作——这是量子技术和传感的“圣杯”。他们将纳米技术和受自然界蜘蛛网启发的机器学习相结合，使纳米机械传感器能够在与日常噪音极为隔离的情况下振动。这一突破发表在《先进材料》杂志上（新星）板部分，对引力和暗物质的研究以及量子互联网、导航和传感领域都具有重要意义。

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的位置(.15摄氏度）的温度，冰箱每台售价50万欧元。杜代尔夫特大学的研究人员发明了一种网状的微芯片传感器，这种传感器在与室温噪声隔离的情况下能够产生极好的共振。在其他应用中，他们的发现将使构建量子设备的成本更加低廉。

搭便车探索进化

主导这项研究的RichardNorte（理查德·诺特）和MiguelBessa（米格尔·贝萨）正在寻找将纳米技术与机器学习相结合的新方法。但是他们是怎么想到用蜘蛛网作为模型的呢？理查德·诺特：“我做这项工作已经十年了，在封锁期间，我注意到我的露台上有很多蜘蛛网。我意识到蜘蛛网确实是很好的振动检测器，因为它们想测量蜘蛛网内部的振动来找到猎物，而不是蜘蛛网外部的振动，就像风穿过树一样。那么，为什么不搭上数百万年进化的便车，使用蜘蛛网作为超灵敏设备的初始模型呢？”

由于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。MiguelBessa：“我们知道实验和模拟既昂贵又耗时，因此我们团队决定使用一种称为贝叶斯优化（Bayesoptimization）的算法，通过几次尝试找到一个好的设计。DongilShin是这项工作的第一作者之一，他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。

理查德·诺特（左）和米格尔·贝萨（右）

以自然界的蜘蛛网为灵感，在机器学习的指导下，在实验室演示了一种新型传感器

基于蜘蛛网的微芯片传感器

令研究人员惊讶的是，该算法提出了一个相对简单的蜘蛛网，由种不同的蜘蛛网设计组成，其中只有六条字符串以一种简单得令人难以置信的方式组合在一起。贝萨：Dongil的计算机模拟显示，该设备可以在室温下工作，在室温下原子振动很大，但从环境中漏出的能量仍然非常低，换句话说，这是一个更高的质量因数。通过机器学习和优化，我们成功地使Richard的蜘蛛网概念适应了这一更好的质量因素。”

基于这一新设计，第一作者之一安德里亚·库比蒂诺（AndreaCupertino）用一层称为氮化硅的超薄纳米厚陶瓷材料制成了一种微芯片传感器。该团队通过用力振动微芯片“网”并测量振动停止所需的时间来测试该模型。结果是惊人的：一个破纪录的isola在室温下ted振动。Norte：“我们发现我们的微芯片网外几乎没有能量损失：振动在内部呈圆形移动，而不接触外部。这有点像在秋千上给某人一个推，然后让他们不停地荡上近一个世纪。”

对基础科学和应用科学的影响

通过他们基于蜘蛛网的传感器，研究人员展示了这一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道路。这一新范式对量子互联网、传感、微芯片技术和基础物理探索具有有趣的意义例如，超小的力，比如重力或暗物质，它们以难以测量而闻名。研究人员称，如果没有大学的凝聚力补助金，这一发现就不可能实现，这导致了纳米技术和机器学习之间的合作。

蜘蛛网（摄影：绿会邻里生物多样性保护工作组专家李振文先生）

注：

译文仅供参考，以英文原文为准。

全文参见：

转载请注明:http://www.aideyishus.com/lkgx/6741.html