Onderzoekers van het Instituut voor Industriële Wetenschappen, een deel van de Universiteit van Tokio, demonstreerde een nieuw artificieel intelligentiesysteem dat in een oogwenk 2D-materialen in microscoopbeelden kan vinden en labelen. Dit werk kan helpen de tijd te verkorten die nodig is om 2D-materiaalgebaseerde elektronica klaar te maken voor consumentenapparaten.

Tweedimensionale materialen bieden een opwindend nieuw platform voor het maken van elektronische apparaten, zoals transistors en light-emitting diodes. De familie van kristallen die slechts één atoom dik kan worden gemaakt, omvat metalen, halfgeleiders, en isolatoren. Veel hiervan zijn stabiel onder omgevingsomstandigheden, en hun eigenschappen verschillen vaak aanzienlijk van die van hun 3D-tegenhangers. Zelfs het stapelen van een paar lagen op elkaar kan de elektronische eigenschappen veranderen om ze geschikt te maken voor batterijen van de volgende generatie, smartphoneschermen, detectoren, en zonnecellen. En misschien nog wel verbazingwekkender:je kunt er zelf wat van maken met kantoorbenodigdheden. De Nobelprijs voor de Natuurkunde 2010 werd toegekend voor het besef dat atomair dun grafeen kan worden verkregen door een stuk potloodstift te exfoliëren, grafiet, met een stukje plakband.

Dus, wat weerhoudt je ervan om je eigen elektronische apparaten te maken op het werk tussen vergaderingen door? Helaas, de atomair dunne 2D-kristallen hebben lage fabricageopbrengsten en hun optische contrasten omvatten een zeer breed bereik, en ze onder een microscoop vinden is een vervelende klus.

Nutsvoorzieningen, een team onder leiding van de Universiteit van Tokyo is erin geslaagd deze taak te automatiseren met behulp van machine learning. Ze gebruikten veel gelabelde voorbeelden met verschillende belichtingen om de computer te trainen om de omtrek en dikte van de vlokken te detecteren zonder de microscoopparameters te finetunen. "Door machine learning te gebruiken in plaats van conventionele, op regels gebaseerde detectie-algoritmen, ons systeem was bestand tegen veranderende omstandigheden, ", zegt eerste auteur Satoru Masubuchi.

De methode is generaliseerbaar naar veel andere 2D-materialen, soms zonder dat er aanvullende gegevens nodig zijn. In feite, het algoritme was in staat om wolfraamdiselenide- en molybdeendiselenidevlokken te detecteren door alleen te worden getraind met wolfraamditelluride-voorbeelden. Met het vermogen om te bepalen, in minder dan 200 milliseconden, de locatie en dikte van de geëxfolieerde monsters, het systeem kan worden geïntegreerd met een gemotoriseerde optische microscoop.

"Het geautomatiseerd zoeken en catalogiseren van 2D-materialen stelt onderzoekers in staat een groot aantal monsters te testen door simpelweg te exfoliëren en het geautomatiseerde algoritme uit te voeren, " senior auteur Tomoki Machida zegt. "Dit zal de ontwikkelingscyclus van nieuwe elektronische apparaten op basis van 2D-materialen enorm versnellen. evenals de studie van supergeleiding en ferromagnetisme in 2D bevorderen, waar geen order op lange termijn is."