〔記者鄭德政南市報導〕人工智慧機械學習（AI machine learning）的成熟發展，不僅改變人類的生活習慣，更使科學研究與材料開發有更快速的途徑。在國家科學及技術委員會（原科技部）經費支持下，成大3位教授與中研院研究員共組團隊，運用AI技術模擬製程提升產品效能。其成果曾獲2021未來科技獎的肯定，團隊也與在地企業合作，推動業界技術進展，更將累積超過2000萬筆的實驗模擬數據建置成免費公開的線上資料庫（連結），發揮成大的國際影響力。
（圖說）（左起）潤優企業張博士、成大材料系蘇彥勳教授、潤優企業曾負責人、成大材料系碩二廖昱凱，共同參與成大與潤優企業的產學合作。（成大提供）
成功大學材料系蘇彥勳教授、陳貞夙教授、化工系吳季珍教授以及中研院應用科學研究中心關肇正研究員組成的成大仿生研究團隊，自2018年8月起執行科技部專案計畫「仿植物天線色素高效率共振能量傳遞於半導體光電轉換元件效能增益之研究」，師法自然界葉綠素與植物自有的天線色素能量共振結構，發展能被應用在光電感應轉換元件上的奈米級材料，同時追求材料的穩定性、耐用性以及提升光電轉換的效果。
（圖說）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。（成大提供）
其中，研究團隊以AI深度學習為助力，模擬影響奈米粒子成長過程的細微步驟與變因，順利節省人力與物料成本，加速研製進展與精確性。這些奈米級材料原料來自金、銀或石墨烯，由於大小形狀的差異會吸收不同可見光波段，因而呈現五顏六色的樣子。這些奈米材料能被運用的層面廣泛，可利於量子通訊、科技材料、儲能材料、光電材料等領域的推展，使臺灣也能躋身領先全球的「材料4.0世代」。
（圖說）由成大團隊建置的「仿生異質接面能量傳遞材料資料庫」存有2000萬筆材料研發相關資料，公開在網路供全世界的研發人員檢索。（成大提供）
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。
由成大師生構想、組建而成的仿生資料庫目前運作良好。根據資料庫後台顯示，目前曾有包含美國、日本、中國、新加坡等地登入，已累積200位學術人士與研究人員使用，在後疫情時代不僅促進學術資源共享，更彰顯成大的世界影響力。
此外，成大仿生團隊也與臺南在地專業材料供應商潤優企業合作，致力開發新穎的二維奈米材料-石墨烯。潤優企業有限公司專精材料供應如冶金製程、礦產應用等領域長達30 幾年，目前潤優與成大的合作所開發的石墨烯原料可發揮多種效能，團隊期待未來能加速與供應3C、電動車能源、電池產業與儲能材料的研發、提升效能，藉由石墨烯特殊且優異的理化性質，推動產業升級。
