למידת עומק מניעה תגובות מולקולריות אוטונומיות עם סלקטיביות של קשר יחיד בפורפירינים טטרה-ברומידיים על Au(111)

להכשיר מכונות לשנות מולקולות קשר אחר קשר

כימאים חלמו זמן רב על שליטה בתגובות בדיוק של עשיית שעונים — לשנות בדיוק קשר אחד במולקולה אחת לפי פקודה. המחקר הזה מראה כיצד בינה מלאכותית יכולה לעשות צעד משמעותי לעבר החלום: מערכת מבוקרת מחשב שמוצאת מולקולות יחידות על משטח ושוברת לבדה קשרים כימיים נבחרים, ללא התערבות ידנית. סוג שליטה כזה עשוי בסופו של דבר לאפשר לנו "לכתוב" חומרים חדשים אטום אחר אטום ולחקור מבנים מולקולריים אקזוטיים שכימיה במבחנה רגילה מתקשה להשיג.

למה קשרים בודדים חשובים

רוב התגובות הכימיות מתרחשות בכמהיות גדולות: אינספור מולקולות מתנגשות ומסדרות עצמן לפי חוקים תרמודינמיים וקינטיים כלליים. בעוד שזה יעיל לרבים מהיישומים, זה כמו לחרוט שיש באבן מרבנית באמצעות פטיש במקום יהלומן עדין. אם מדענים יוכלו לבחור קשר בודד במולקולה בודדת ולהכריע אם ישמר או ישתבר, הם יוכלו לבנות דפוסים מולקולריים מותאמים עבור אלקטרוניקה לדור הבא, מכשירים קוונטיים ואחסון נתונים בצפיפות גבוהה מאוד. מיקרוסקופים צילול-מנהור (STM) כבר מאפשרים למומחים לדמיין ולנגוע במולקולות בודדות על משטחים מתכתיים ברזולוציה אטומית. אך עד כה ביצוע תגובות כאלה התבסס על אינטואיציה וסבלנות אנושיות, מה שהגביל את השכיחות, הקנה-מידה והתכנותיות של התהליך.

הפיכת המיקרוסקופ למעבדה עצמאית

המחברים הופכים STM קונבנציונלי לסוג של מעבדה כימית עצמאית על ידי שיכוב מספר כלים של למידת עומק על גבי המכשיר. ראשית, מודול ראיית-מחשב סורק אזורים נרחבים של משטח זהב כדי לזהות באופן אוטומטי מולקולות מטרה מבודדות, ואז מתקרב לצילום מקרוב. רשתות עצביות נוספות עוקבות אחרי מתאר כל מולקולה, קובעות את כיוונה ובוחנות ארבע פינות ספציפיות שבהן יושבות אטומי הברום. על ידי ניתוח חתכי תמונה קטנים בפינות אלה, המערכת מחליטה האם כל ברום עדיין מחובר או הוסר בשלבים קודמים, ובאופן יעיל עוקבת אחרי הסטטוס "קשר-אחר-קשר" של המולקולה ללא שצריך מפעיל אנושי שיפורש את התמונות.

סוכן בינה מלאכותית שלומד כיצד לשבור קשרים

לאחר זיהוי המולקולה וידיעת מצבה הנוכחי, סוכן למידה חיזוקית בוחר כיצד לפעול. הוא מתייחס לכל ניסיון שבירת קשר כמהלך במשחק מורכב, שבו מיקום קצה ה-STM, המתח והזרם הם המהלכים שלו, ושינוי המולקולה המתקבל הוא המשוב. המערכת מקודדת את ארבעת מצבי הקשר כתבנית ארבע-ביט פשוטה ומוסיפה קוד עבור המסלול הכולל שהיא שואפת לעקוב אחריו. באמצעות אלגוריתם מודרני בשם soft actor-critic, הסוכן לומד בהדרגה אילו שילובים של מיקום הקצה ודחיפות חשמליות מובילים לשבירה נקייה של קשר פחמן–ברום יחיד, אילו אינם גורמים לשינוי, ואילו מזיקים או גורמים לתגובות-יתר במולקולה. קיים חלון צר של הגדרות בטוחות ויעילות; בהתחלה רוב הנסיונות נכשלים, אך באמצעות השמעת מחדש והגברת חוויותיו, כולל ניצול הסימטריה הרב-צירית של המולקולה, הסוכן מתכנס לאסטרטגיות אמינות.

תכנות מסלולי מולקולות רב-שלביים

לאחר כיום וחצי של אימון רצוף על פני מאות ניסיונות תגובה, המערכת יכולה לבצע מסלולי תגובה רב-שלביים מתוכננים מראש בהצלחה ניכרת. המולקולה במבחן — פורפירין טטרה-ברומיד על משטח זהב — מתחילה עם ארבע זרועות שוות נושאות ברום. לבינה מוצגים דפוסים שונים של הסרה של קשרים שלב אחר שלב — כמו סדרות "אורתוגונליות" או "זיג-זג" — שכל אחת עוברת דרך מצבים ביניים מובחנים לפני שמסתיימת במולקולה מובהרת מברום ושאריות ארבע אטומי ברום חופשיים על המשטח. בכל שלב הסוכן בוחר אוטומטית היכן למקם את הקצה, את עוצמת פעימת המתח ואת גובה הזרם, בודק את התוצאה עם מערכת הראיה שלו, ואז מחליט מה לעשות הלאה. עם הזמן הוא מגלה שדרושות מתחים גבוהים יותר ככל שמוסרים יותר אטומי ברום ושמיקום הקצה בדיוק מעל הקשר המטרה מגדיל את סיכויי ההצלחה.

מאירועים בודדים לייצור עתידי אטום-אחר-אטום

החוקרים מראים שלבסוף הפלטפורמה שלהם יכולה להנחות את המולקולה שוב ושוב לאורך ארבעה מסלולי תגובה מובחנים תוך שמירה על סלקטיביות של קשר יחיד, והשגת שיעורי הצלחה המשתפרים שלב אחר שלב ומגיעים לכמעט 80% בשלב שבירת הקשר האחרון. לא פחות חשוב, המערכת מתאימה עצמה כאשר קצה המיקרוסקופ משתנה בצורה או בהתנהגות, ולומדת במהירות מחדש את ההגדרות הטובות במקום להיתקע. עבור קורא שאינו מומחה, המסר המרכזי הוא שהמיקרוסקופ כבר אינו רק צופה פסיבי אלא כלי לומד פעיל: הוא יכול למצוא מולקולות, להחליט איזה קשר לשבור, ליישם את הדחיפה המתאימה ולאמת את התוצאה בעצמו. השילוב הזה של אינסטרומנטציה מדויקת ושליטה בבינה מלאכותית מצביע על עתיד שבו מדענים יוכלו לתכנת משימות ייצור מורכבות, מדויקות אטומית, ולשתמש בסוכנים תוכנתיים לבנות ולחקור מבנים מולקולריים מותאמים שיהיה קשה כמעט להכין בעבודת כפיים.

ציטוט: Zhu, Z., Huang, Q., Yang, T. et al. Deep learning drives autonomous molecular reactions with single-bond selectivity in tetra-brominated porphyrins on Au(111). Nat Commun 17, 2348 (2026). https://doi.org/10.1038/s41467-026-69080-1

מילות מפתח: כימיה אוטונומית, תגובות מולקולה-יחידה, מיקרוסקופ צילול מנהור, למידה חיזוקית עמוקה, סינתזה על-משטח