by FLEET 通过原子力显微镜获得的图像:类似于叶绿素的单个分子
信用:FLEET 澳大利亚和德国的合作展示了完全自主的SPM操作，应用人工智能和深度学习来消除对持续人工监控的需求
这个被称为DeepSPM的新系统弥合了纳米科学、自动化和人工智能之间的差距，并牢固地建立了机器学习在实验科学研究中的应用
“优化SPM数据采集可能非常繁琐
这种优化过程通常由人类实验学家进行，很少被报道
奥古斯丁·希夫林(莫纳什大学)
“我们新的人工智能驱动系统可以连续几天自动运行并获取最佳的SPM数据，无需任何人工监督
" 这一进步使先进的微加工方法，如原子级精密纳米加工和高通量数据采集，更接近全自动交钥匙应用
新的深度学习方法可以推广到其他SPM技术
研究人员已经将整个框架作为开放源代码在网上公开，为纳米科学研究社区创造了一个重要的资源
通过扫描隧道显微镜获得的图像:晶体金属表面上的单个银原子 全自主深度睡眠模式 “DeepSPM成功的关键是使用自我学习代理，因为正确的控制输入事先并不知道，”博士说
项目共同负责人科尼利厄斯·克鲁尔
“从经验中学习，我们的代理适应变化的实验条件，并找到保持系统稳定的策略，”博士说
克鲁尔博士的同事
莫纳什物理和天文学院的希夫林
人工智能驱动的系统从最佳样本区域的算法搜索开始，然后进行自主数据采集
然后，它使用卷积神经网络来评估数据的质量
如果数据质量不好，DeepSPM使用深度强化学习代理来改善探测器的状况
DeepSPM可以运行几天，连续获取和处理数据，同时管理SPM参数以响应变化的实验条件，而无需任何监督
该研究首次展示了完全自主的长期SPM操作，结合了: 样品区选择和扫描探针显微镜数据采集的算法方法:使用卷积神经网络对SPM数据进行质量评估和分类的监督机器学习，以及用于动态自动原位探针管理和调节的深度强化学习
人工智能驱动的扫描探针显微镜于2020年3月发表在《通信物理》杂志上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
