AI finder 2D-materialer på et øjeblik

Forskere ved Institut for Industrividenskab, en del af University of Tokyo, demonstreret et nyt kunstig intelligenssystem, der kan finde og mærke 2-D materialer i mikroskopbilleder på et øjeblik. Dette arbejde kan hjælpe med at forkorte den tid, der kræves for, at 2-D materialebaseret elektronik er klar til forbrugerenheder.

Todimensionelle materialer tilbyder en spændende ny platform for skabelsen af ​​elektroniske enheder, såsom transistorer og lysemitterende dioder. Familien af ​​krystaller, der kan laves kun et atom tykke omfatter metaller, halvledere, og isolatorer. Mange af disse er stabile under omgivende forhold, og deres egenskaber adskiller sig ofte væsentligt fra deres 3-D modstykker. Selv at stable et par lag sammen kan ændre de elektroniske egenskaber for at gøre dem velegnede til næste generations batterier, smartphone skærme, detektorer, og solceller. Og måske endnu mere fantastisk:du kan lave nogle selv ved hjælp af kontorartikler. Nobelprisen i fysik i 2010 blev tildelt for erkendelsen af, at atomisk tynd grafen kan opnås ved at eksfoliere et stykke blyantbly, grafit, med et stykke klæbrig scotch tape.

Så, hvad afholder dig fra at lave dine egne elektroniske enheder på arbejdet mellem møderne? Desværre, de atomisk tynde 2-D krystaller har lave fremstillingsudbytter, og deres optiske kontraster omfatter et meget bredt område, og at finde dem under et mikroskop er et kedeligt arbejde.

Nu, et team ledet af Tokyo University er lykkedes med at automatisere denne opgave ved hjælp af maskinlæring. De brugte mange mærkede eksempler med forskellig belysning til at træne computeren til at detektere omridset og tykkelsen af ​​flagerne uden at skulle finjustere mikroskopparametrene. "Ved at bruge maskinlæring i stedet for konventionelle regelbaserede detektionsalgoritmer, vores system var robust over for skiftende forhold, " siger førsteforfatter Satoru Masubuchi.

Metoden kan generaliseres til mange andre 2-D materialer, nogle gange uden behov for yderligere data. Faktisk, algoritmen var i stand til at detektere wolframdiselenid- og molybdændiselenidflager blot ved at blive trænet med wolframditellurid-eksempler. Med evnen til at bestemme, på mindre end 200 millisekunder, placeringen og tykkelsen af ​​de eksfolierede prøver, systemet kan integreres med et motoriseret optisk mikroskop.

"Den automatiserede søgning og katalogisering af 2D-materialer vil give forskere mulighed for at teste et stort antal prøver blot ved at eksfoliere og køre den automatiserede algoritme, " siger seniorforfatter Tomoki Machida. "Dette vil i høj grad fremskynde udviklingscyklussen for nye elektroniske enheder baseret på 2D-materialer, samt fremme studiet af superledning og ferromagnetisme i 2-D, hvor der ikke er nogen lang rækkefølge."