东京大学 东京大学的研究人员开发了一种机器学习算法，可以在几分之一秒内从显微镜图像中检测出包括石墨烯在内的原子级薄2D材料，这可能会加速下一代电子产品的工业规模生产 东京大学工业科学研究所的研究人员展示了一种新型人工智能系统，这种系统可以在一眨眼的时间内找到并标记显微镜图像中的二维材料
这项工作有助于缩短基于二维材料的电子产品为消费者设备做好准备所需的时间
二维材料为晶体管和发光二极管等电子器件的制造提供了一个激动人心的新平台
只有一个原子厚的晶体家族包括金属、半导体和绝缘体
其中许多在环境条件下是稳定的，它们的性质通常与它们的三维对应物有很大不同
即使将几层堆叠在一起，也能改变电子特性，使它们适用于下一代电池、智能手机屏幕、探测器和太阳能电池
或许更神奇的是:你可以用办公用品自己做一些
2010年诺贝尔物理学奖的授予是因为人们认识到原子级薄的石墨烯可以通过用一条粘性透明胶带剥离铅笔芯石墨来获得
那么，是什么让你不在会议间隙制作自己的电子设备呢？不幸的是，原子级的二维晶体的制造产量很低，而且它们的光学对比度范围很广，在显微镜下寻找它们是一项乏味的工作
现在，由东京大学领导的一个团队已经成功地使用机器学习来自动化这项任务
他们使用了许多带有各种照明的标记示例来训练计算机检测薄片的轮廓和厚度，而无需微调显微镜参数
“通过使用机器学习而不是传统的基于规则的检测算法，我们的系统对不断变化的条件是鲁棒的，”第一作者仓知·马苏库奇说
该方法可推广到许多其他二维材料，有时不需要任何附加数据
事实上，该算法能够检测钨二硒化物和钼二硒化物薄片，只需用钨二硒化物实例进行训练
该系统能够在不到200毫秒的时间内确定剥离样品的位置和厚度，可与电动光学显微镜集成
“二维材料的自动搜索和编目将允许研究人员通过简单地剥离和运行自动算法来测试大量样本，”资深作者町友树说
“这将大大加快基于二维材料的新电子器件的开发周期，并推进二维超导性和铁磁性的研究，因为二维中没有长程有序
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
