新材料领域

当前位置:

AI瞬间就能找到二维材料

东京大学下属的工业科学研究所的研究人员展示了一种新型的人工智能系统,该系统可以瞬间找到并标记显微镜图像中的二维材料。这项工作可以帮助缩短基于二维材料的电子产品用于消费类设备所需的时间。

二维材料为创建电子设备(例如晶体管和发光二极管)提供了令人兴奋的新平台。单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都是稳定的,其属性通常与三维尺寸的属性明显不同。即使将几层堆叠在一起也可以改变电子特性,使其适合于下一代电池,智能手机屏幕,探测器和太阳能电池等。更为神奇的是:甚至可以使用办公用品来自己动手制造二维材料。2010年诺贝尔物理学奖的获得者就是通过透明胶带剥离铅笔芯中的石墨来获得单原子厚度的石墨烯。

那么,为什么二维材料在现代电子产品中还没有广泛应用呢?因为原子厚的2-D晶体的制造良品率很低,并且它们的光学对比度范围很广,在显微镜下找到它们是一项繁琐的工作。

现在,由东京大学(University of Tokyo)领导的团队已成功地使用机器学习使该任务自动化。使用了许多带有各种照明的标记示例,以训练计算机检测薄片的轮廓和厚度,而不必微调显微镜参数。第一作者Satoru Masubuchi说:“通过使用机器学习而不是传统的基于规则的检测算法,我们的系统对于更改条件具有鲁棒性。

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。实际上,仅通过使用二碲化钨实例进行训练,该算法就能够检测二硒化钨和二硒化钼薄片。由于能够在不到200毫秒的时间内确定剥离样品的位置和厚度,因此该系统可以与电动光学显微镜集成在一起。

通讯作者Tomoki Machida说:“二维材料的自动搜索和分类将使研究人员只需通过剥离和运行自动算法即可测试大量样品。这将大大加快基于二维材料的新型电子设备的开发周期,并推进对二维电子中的超导性和铁磁性的研究。”

论文标题《Deep-learning-based image segmentation integrated with optical microscopy for automatically searching for two-dimensional materials》。