石墨烯材料與金屬奈米粒子存放於液態溶液中,因其分子的大小、形狀、特性等不同而呈現五顏六色的樣態。 計畫總主持人、成大材料系教授蘇彥勳表示,奈米級材料製程參數非常複雜,並且製成後性質仍對參數非常敏感,以往只能靠不斷試錯(Trial and Error),慢工出細活般的一步步修正與試驗才能找出理想的研製參數,而主要運用於半導體及太陽能感光元件的奈米級材料研發又是極繁複、精密的過程,可謂曠日廢時。而利用 AI 機器深度學習與調教製程參數的方式,使科學家得以將材料物理與化學性質精準優化,縮短研發時程,達到省時間、省人力、省成本的效果。 蘇彥勳說:「這個構想如同把 AlphaGo 下棋高手搬到材料設計與製程,一邊讓 AI 根據以往的資料推算結果,一邊向使用者學習,使得判斷能力越變越強。」研究團隊將仿生科技與機械學習緊緊結合,除了現階段開發石墨烯與金銀奈米粒子,未來更可以擴大應用於其他材質的奈米級材料的研究。 成大仿生團隊中,由成大材料系陳貞夙教授率領的子計畫「應用於可見光網路通訊之多組態光感測記憶體」研究成果獲 2021 未來科技獎肯定,而蘇彥勳教授將機械學習所累積的 2000 多萬筆模擬研製數據,製成公開免費的「仿生異質接面能量傳遞材料數位資料庫(Bionic Heterojunction Energy Transfer Material Digital Database)」,供全世界科研人士檢索,該舉曾 2021 年 9 月獲刊〈Advanced Photonics Research〉封面故事。