布鲁克海文实验室功能纳米材料中心的科学家正在开发一种自动化系统，用于合成由堆叠的原子级薄二维板制成的全新材料，并表征其奇特的量子特性

从图书馆查看一摞书就像搜索图书馆的目录并使用唯一的电话号码从书架位置拉出每本书一样简单。使用类似的原理，功能纳米材料中心(CFN)的科学家- 美国能源部(DOE)布鲁克海文国家实验室科学用户设施办公室 - 正在与哈佛大学和麻省理工学院(MIT)合作创建这是一种首创的自动化系统，可对原子级薄的二维(2-D)材料进行编目，并将其堆叠成分层结构。该系统被称为量子材料出版社，或QPress，将加速发现量子信息科学(QIS)新兴领域的下一代材料。

通过堆叠从不同母体块状晶体剥离的单个原子层(“薄片”)获得的结构是令人感兴趣的，因为在如此小的(量子)尺寸尺度下出现了奇特的电子，磁性和光学性质。然而，薄片剥离目前是手工过程，其产生各种薄片尺寸，形状，取向和层数。科学家们使用高倍率的光学显微镜手动捕获数千片薄片以找到所需的薄片，这种搜索有时需要数天甚至一周，并且容易出现人为错误。

一旦定位了来自不同晶体的高质量2-D薄片并对其性质进行了表征，就可以按所需顺序组装它们以形成分层结构。堆叠非常耗时，组装单层结构通常需要一个多月的时间。为了确定生成的结构对于QIS应用是否是最佳的 - 从计算和加密到传感和通信 - 科学家然后需要表征结构的属性。

“在与我们在哈佛大学和麻省理工学院合作并研究这些分层异构结构的大学合作者交谈时，我们了解到，虽然存在一些自动化程序 - 例如用于定位薄片的软件和操纵薄片的操纵杆 - 但没有完全自动化的解决方案，” CFN主任查尔斯布莱克说，他是QPress项目的行政主管。

QPress的想法是由哈佛大学物理系的Amir Yacoby教授于2018年初构思出来的。然后通过Yacoby之间的合作改进了这个概念; Black和Kevin Yager，CFN 电子纳米材料集团的领导者; 菲利普金，也是哈佛大学物理系; 以及麻省理工学院物理系的Pablo Jarillo-Herrero和Joseph Checkelsky。

根据Black的说法，独特的CFN角色很明确：“我们意识到构建一个能够实现量子材料设计，合成和测试的机器人与CFN科学家的技能和专业知识非常匹配。作为用户设施，CFN旨在成为科学界的资源，而QIS是我们扩展我们的能力，科学计划和员工的增长领域之一。“

石墨烯激发二维材料研究

对二维材料的兴趣可以追溯到2004年，当时曼彻斯特大学的科学家们分离出了世界上第一个二维材料 - 石墨烯 - 单层碳原子。他们使用了一种令人惊讶的基本技术，他们将一块石墨(铅笔的核心材料)放在透明胶带上，反复将胶带折成两半并将其剥离以提取更薄的薄片。然后，他们在平坦表面上摩擦胶带以转移薄片。在光学显微镜下，一个原子厚的薄片可以通过它们的反射率定位，看起来像非常微弱的斑点。2010年获得诺贝尔奖，石墨烯的发现及其独特的性能 - 包括其卓越的机械强度和导电性和导热性 - 促使科学家们探索其他二维材料。

许多实验室继续使用这种费力的方法来制造和找到二维薄片。虽然该方法使科学家能够对石墨烯进行各种测量，但数百种其他晶体(包括磁体，超导体和半导体)可以像石墨一样剥离。此外，可以堆叠不同的2-D薄片以构建以前从未存在过的材料。科学家们最近发现，这些堆叠结构的特性不仅取决于层的顺序，还取决于层中原子之间的相对角度。例如，仅通过控制该角度就可以将材料从金属调谐到绝缘状态。鉴于科学家希望探索的样品种类繁多，手动合成方法容易出错且耗时，

“最终，我们希望开发一种机器人，它能够提供基于二维片状序列和晶体取向的堆叠结构，科学家们通过网络界面选择了这种机器，”Black说。“如果成功，QPress将使科学家们能够花时间和精力研究材料，而不是制造材料。”

模块化方法

2018年9月，QPress的进一步发展获得了资助美国能源部，采用两部分方法。其中一个奖项是布鲁克海文的QPress硬件开发，由Black领导; 耶格尔; CFN科学家Gregory Doerk，Aaron Stein和Jerzy Sadowski; 和CFN科学助理Young Jae Shin。另一个奖项是由Yacoby，Kim，Jarillo-Herrero和Checkelsky领导的协调研究项目。哈佛大学和麻省理工学院的物理学家将使用QPress来研究外来形式的超导性 - 某些材料在非常低的温度下导电而没有能量损失的能力 - 存在于超导体和磁体之间的界面处。一些科学家认为，这种奇特的物质状态是推动量子计算的关键，预计量子计算将超越今天最强大的超级计算能力。

一个完全集成的自动化机器，包括去角质器，编目员，图书馆，堆叠器和表征器，预计在三年内完成。但是，这些模块将分阶段上线，以便尽早使用QPress。

该团队已经取得了一些进展。他们制造了一个原型去角质剂，模仿人类从石墨晶体剥离片的作用。剥离剂将聚合物印模压制成块状母体晶体，并通过将剥离的薄片压在基材上来转移剥离的薄片。在他们的第一组实验中，该团队研究了如何改变各种参数 - 冲压压力，压制时间，重复压力的数量，压制角度以及在转移过程中施加的侧向力 - 如何影响该过程。

“使用机器人的一个优点是，与人类不同，它每次都会再现相同的动作，我们可以优化这些动作以产生大量非常薄的大片，”Yager解释道。“因此，通过提高工艺的速度，精度和可重复性，去角质剂将改善从母体晶体上剥离的二维薄片的质量和数量。”

与计算机科学系的 Stony Brook大学助理教授Minh Hoai Nguyen 和计算机视觉实验室的博士生Boyu Wang合作，科学家们正在建立一个片状编目员。通过图像分析软件，编目员扫描基板并记录剥落薄片的位置及其特性。

“科学家们感兴趣的片状物很薄而且很微弱，因此手动视觉检查是一个费力且容易出错的过程，”Nguyen说。“我们正在使用最先进的计算机视觉和深度学习技术来开发能够以更高精度自动化这一过程的软件。”

“我们的合作者已经说过，一个系统能够绘制他们的薄片样本，并向他们展示”好“薄片所在的位置 - 由他们定义的参数决定 - 对他们非常有帮助，”Yager说。“我们现在拥有这种能力，并希望将其投入使用。”

最终，该团队计划在货架上存储大量不同的编目片，类似于图书馆中的书籍。然后科学家可以访问这个材料库来选择他们想要使用的薄片，而QPress会检索它们。

根据Black的说法，最大的挑战将是堆栈器的构建 - 从库中检索样品的模块，“驱动”到所选薄片所在的位置，并挑选薄片并将它们置于重复的过程中以构建根据科学家编入机器的装配说明进行堆叠。最终，科学家们希望堆垛机能够比手动方法更快，更准确地组装分层结构。

机器人的最终模块将是一个材料表征器，它将在整个合成过程中提供实时反馈。例如，表征器将通过低能电子衍射(LEED)识别剥落薄片和层状结构的晶体结构和取向 - 一种技术，其中一束低能电子被导向样品表面以产生表面几何形状的衍射图案特征。

“提供全自动解决方案有很多步骤，”布莱克说。“我们打算实施QPress功能，以最大限度地为QIS社区带来好处。”