Med början av den fjärde industriella revolutionen, artificiell intelligens har nyligen använts i smartphonekameror, tillhandahåller funktioner som autofokusering, ansiktsigenkänning, och 100x zoom, att dramatiskt förbättra vårt dagliga liv. Det har också tillämpats på forskning och utveckling av nya material.

Ett gemensamt forskarlag från POSTECH och Korea Institute of Materials Science (KIMS) har tillämpat djupinlärning på svepelektronmikroskopi (SEM)-systemet för att utveckla en teknik som kan upptäcka och förbättra kvaliteten på SEM-bilder utan mänsklig tillsyn. EMS är en viktig materialanalysutrustning som används för att utveckla nya material. Resultaten från denna forskning publicerades nyligen i Acta Materialia , den mest auktoritativa tidskriften inom området metallmaterial.

SEM är en av de mest avancerade typerna av materialanalysutrustning som är avgörande för att undersöka korrelationen mellan den mikrostrukturella och fysiska, kemisk, och mekaniska egenskaper hos material genom att tillhandahålla deras mikrostrukturella bilddata. Dock, för att få hög kvalitet, tydliga SEM-bilder, operatören måste vara mycket skicklig för att manövrera systemet med hög precision-annars det kan leda till mikroskopibilder av låg kvalitet. Kvaliteten på dessa bilder behöver förbättras eftersom de direkt påverkar de efterföljande materialanalysprocesserna.

Till detta, det gemensamma forskarteamet utvecklade en djupinlärningsbaserad omfokuseringsmetod som automatiskt upptäcker och förbättrar kvaliteten på mikroskopibilderna. Denna teknologi är baserad på ett flerskaligt djupt neuralt nätverk och den visade att bildkvaliteten kan förbättras på blinda inställningar utan några förkunskaper eller antaganden om graden av suddighet på nivån av bildförsämring. Dessutom, forskarna föreslog också en teknik för att träna nätverket att lära sig inte bara hur utan också var man ska fokusera på olikformigt oskärpa bilder, ett steg närmare kommersialisering av AI-baserad materialanalysutrustning.

"Vi förväntar oss att kostnaden och tiden för att utveckla nya material kommer att minska genom att automatisera SEM -avbildningsprocessen för skanningelektronmikroskopi, som används i stor utsträckning för forskning och utveckling av nya material, " kommenterade professor Seungchul Lee som ledde studien.