Forskare kan bearbeta 100 bilder som täcker 1 centimeter x 1 centimeter stora prover som denna på cirka nio minuter med hjälp av ett nytt system som avsevärt förenklar det ofta tråkiga sökandet efter monolager i labbet. Kredit:University of Rochester foto / J. Adam Fenster
En av de tråkigaste, skrämmande uppgifterna för assistenter i universitetets forskningslaboratorier är att titta timmar i sträck genom ett mikroskop på prover av material och försöka hitta monolager.
Dessa tvådimensionella material – mindre än 1/100 000 av bredden på ett människohår – är mycket eftertraktade för användning i elektronik, fotonik och optoelektroniska enheter på grund av sina unika egenskaper.
"Forskningslaboratorier anställer arméer av studenter för att inte göra något annat än att leta efter monolager", säger Jaime Cardenas, biträdande professor i optik vid University of Rochester. "Det är väldigt tråkigt, och om du blir trött kanske du missar några av monoskikten eller så kanske du börjar göra felidentifieringar."
Även efter allt detta arbete måste labben dubbelkolla materialen med dyr Raman-spektroskopi eller atomkraftsmikroskopi.
Jesús Sánchez Juárez, en Ph.D. student i Cardenas Lab, har gjort livet mycket lättare för de studenter, deras forskningslabb och företag som stöter på liknande svårigheter med att upptäcka monolager.
Den banbrytande tekniken, en automatiserad skanningsenhet som beskrivs i Optical Materials Express , kan upptäcka monolager med 99,9 % noggrannhet – vilket överträffar alla andra metoder hittills.
Till en bråkdel av kostnaden. På mycket kortare tid. Med lättillgängligt material.
"Ett av huvudmålen var att utveckla ett system med en mycket liten budget så att studenter och laboratorier kan replikera dessa metoder utan att behöva investera tusentals och tusentals dollar bara för att köpa den nödvändiga utrustningen", säger Sánchez Juárez, huvudförfattare till tidningen.
Till exempel kan enheten han skapade replikeras med ett billigt mikroskop med en 5X objektivlins och en billig OEM-kamera (tillverkare av originalutrustning).
En kreativ anpassning av ett AI-neuralt nätverk
"Vi är väldigt glada", säger Cardenas. "Jesús gjorde flera saker här som är nya och annorlunda, och tillämpade artificiell intelligens på ett nytt sätt för att lösa ett stort problem i användningen av 2D-material."
Många laboratorier har försökt eliminera behovet av kostsamma reservkarakteriseringstester genom att träna ett artificiell intelligens (AI) neuralt nätverk för att skanna efter monoskikten. De flesta labb som har provat detta tillvägagångssätt försöker bygga ett nätverk från grunden, vilket tar mycket tid, säger Cardenas.
Istället började Sánchez Juárez med ett allmänt tillgängligt neuralt nätverk kallat AlexNet som redan är tränat att känna igen objekt.
Han utvecklade sedan en ny process som inverterar bilder av material så att det som var ljust på originalbilden istället ser svart ut och vice versa. De inverterade bilderna körs genom ytterligare bearbetningssteg. Vid den tidpunkten ser bilderna "inte alls bra ut för det mänskliga ögat", säger Cardenas, "men för en dator gör det det lättare att separera monoskikten från substraten de är avsatta på."
Sammanfattning:Jämfört med de långa, tråkiga timmarna av skanning av studenter, kan Sánchez Juárez system bearbeta 100 bilder som täcker 1 centimeter x 1 centimeter stora prover på nio minuter med nästan 100 % noggrannhet.
"Vår demonstration banar väg för automatiserad produktion av enskiktsmaterial för användning i forskning och industriella miljöer genom att kraftigt minska bearbetningstiden", skriver Sánchez Juárez i tidningen. Applications include 2D materials suitable for photodetectors, excitonic light-emitting devices (LEDs), lasers, optical generation of spin–valley currents, single photon emission, and modulators. + Utforska vidare
