Forskare vid Institute of Industrial Science, en del av University of Tokyo, visat ett nytt artificiellt intelligenssystem som kan hitta och märka 2-D-material i mikroskopbilder på ett ögonblick. Detta arbete kan hjälpa till att förkorta den tid som krävs för 2-D materialbaserad elektronik för att vara redo för konsumentenheter.

Tvådimensionella material erbjuder en spännande ny plattform för skapandet av elektroniska enheter, såsom transistorer och ljusdioder. Familjen av kristaller som kan göras bara en atom tjock inkluderar metaller, halvledare, och isolatorer. Många av dessa är stabila under omgivande förhållanden, och deras egenskaper skiljer sig ofta väsentligt från deras 3D-motsvarigheter. Även att stapla ihop några lager kan ändra de elektroniska egenskaperna för att göra dem lämpliga för nästa generations batterier, smartphone skärmar, detektorer, och solceller. Och kanske ännu mer fantastiskt:du kan göra lite själv med kontorsmaterial. Nobelpriset i fysik 2010 tilldelades för insikten att atomtunn grafen kan erhållas genom att exfoliera en blyertspenna, grafit, med en bit klibbig tejp.

Så, vad hindrar dig från att göra dina egna elektroniska enheter på jobbet mellan mötena? Tyvärr, de atomtunna 2-D-kristallerna har låga tillverkningsutbyten och deras optiska kontraster omfattar ett mycket brett intervall, och att hitta dem i mikroskop är ett tråkigt jobb.

Nu, ett team som leds av University of Tokyo har lyckats automatisera denna uppgift med hjälp av maskininlärning. De använde många märkta exempel med olika belysning för att träna datorn för att upptäcka konturerna och tjockleken på flingorna utan att behöva finjustera mikroskopparametrarna. "Genom att använda maskininlärning istället för konventionella regelbaserade detektionsalgoritmer, vårt system var robust mot förändrade förhållanden, "säger författaren Satoru Masubuchi.

Metoden är generaliserbar för många andra 2-D-material, ibland utan att behöva tilläggsdata. Faktiskt, algoritmen kunde upptäcka volfram diselenid och molybden diselenid flingor bara genom att träna med volfram ditellurid exempel. Med förmågan att bestämma, på mindre än 200 millisekunder, platsen och tjockleken på de exfolierade proverna, systemet kan integreras med ett motoriserat optiskt mikroskop.

"Den automatiska sökningen och katalogiseringen av 2-D-material gör det möjligt för forskare att testa ett stort antal prover helt enkelt genom att exfoliera och köra den automatiska algoritmen, "säger författaren Tomoki Machida." Detta kommer att påskynda utvecklingscykeln för nya elektroniska enheter baserat på 2-D-material, samt främja studien av supraledning och ferromagnetism i 2-D, där det inte finns någon långsiktig beställning. "