学习通常与软体脱离不了关系——例如“深度学习”(deep learning)。如今，英国的研究人员们已经找到一种新方法，可“教导”碳奈米管(CNT)电路学习适当的功能，而又不至于改变其随机的模式。接下来，研究人员们计划利用液晶使其改变基本模式，从而使聚合物碳奈米管组合电路更加“进化”。此外，美国的研究人员们也找到了一种可自动产生随机模式的途径。
       “我们已经在聚合物/碳奈米管复合材料中展示了简单逻辑闸(包括半个加法器电路)的最佳化。未来，我们将扩大搜寻其他可能的新功能，”英国杜伦大学(Durham University)副研究员Mark Massey表示，“其中，一个特别令人感兴趣之处在于材料中的神经元演变。另一项有趣的应用是资料集的分类——这也正是我们目前致力于解决的另一个问题。”
       其方法是在聚合物复合材料中建置随机的碳奈米管图案，然后在输入侧与输出侧形成多个金属电极垫图案(如图)。然后在输入电极上施加理想的输入电压，并在输出电极测量电压。其他附加的焊垫则仍可调整所施加的电压，直至实现理想的功能后再加以固定。

              

        碳奈米管电路(中)藉由施加相应的电压至边缘电极，从而学习所需的功能。
       “输入被施加到输入焊垫，然后在输出进行采样，并与该特定输入所需的输出相互比较。在附加焊垫上施加可配置的电压，即可训练或‘发展’这种材料，”Massey说：“这些配置的电压可在每次迭代期间经由电脑演算法加以调整，以便在指定所需的输出电压时调整材料。”
       截至目前为止，研究团队并未试图改变碳奈米管/聚合物复合材料的随机图案，而只知现有的路径将可实现研究人员理想中的执行功能。

                                           

       “我们并非用传统途径来发展或训练电路，材料方面也采用了具有不同导电率/绝缘区域的路径组合。这套复杂的网路让我们的研究可善加利用，”Massey说：“我们能透过电子显微镜来想像整个网路，不过它只显示了实体结构，而非实际的电路。”
       然而，研究人员的下一步是浸润奈米管—聚合物复合物，使其成为可让碳奈米管电路重新调整的液晶，从而使其得以演化出适当的功能。
       “下一步，我们要使用基于液体的材料，预计在此可看到结构的变化与自组能力变，”Massey表示。
       首先，形成这种碳奈米管薄膜的最大的问题是，有些碳奈米管是金属，有些则是半导体，迫使大多数的研究人员必须在形成薄膜之前对其进行排序。研究人员们已经尝试各种方法来解决这个问题，但一直无法找到低成本又有效率的方式。如今，伊利诺伊大学香槟分校(UIUC)的研究人员声称已经找到一种既便宜又100%有效的方法。
       其工作原理是将薄膜放在可与金属基底接触的纯净金属碳奈米管，然后在薄膜的另一侧放置热敏聚合物薄膜。当电压通过金属基底而被金属碳米管的传导电流加热时，刚好足以导致一个使聚合物涂层破裂的沟槽，因而露出木属碳奈米管的位置。接着，进行一个标准的桌面程序可立刻移除所有的金属碳奈米管，以及化学性溶解聚合物涂层，使得100%纯净的碳奈米管薄膜可以被转移至基底。