Con l'inizio della 4a rivoluzione industriale, l'intelligenza artificiale è stata recentemente utilizzata nelle fotocamere degli smartphone, fornendo funzioni come la messa a fuoco automatica, riconoscimento facciale, e zoom 100x, per migliorare drasticamente la nostra vita quotidiana. È stato applicato anche alla ricerca e allo sviluppo di nuovi materiali.

Un team di ricerca congiunto di POSTECH e Korea Institute of Materials Science (KIMS) ha applicato il deep learning al sistema di microscopia elettronica a scansione (SEM) per sviluppare una tecnica in grado di rilevare e migliorare la qualità delle immagini SEM senza la supervisione umana. L'EMS è un'apparecchiatura essenziale per l'analisi dei materiali utilizzata per lo sviluppo di nuovi materiali. I risultati di questa ricerca sono stati recentemente pubblicati in Acta Materialia , la rivista più autorevole nel campo dei materiali metallici.

Il SEM è uno dei tipi più avanzati di apparecchiature per l'analisi dei materiali cruciale per indagare la correlazione tra il microstrutturale e fisico, chimico, e proprietà meccaniche dei materiali fornendo i loro dati di immagine microstrutturali. Però, per ottenere alta qualità, immagini SEM chiare, l'operatore deve essere altamente qualificato per manovrare il sistema con elevata precisione, altrimenti, può portare a immagini di microscopia di bassa qualità. La qualità di queste immagini deve essere migliorata perché influenzano direttamente i successivi processi di analisi del materiale.

A questa, il team di ricerca congiunto ha sviluppato un metodo di rifocalizzazione basato sull'apprendimento profondo che rileva e migliora automaticamente la qualità delle immagini al microscopio. Questa tecnologia si basa su una rete neurale profonda multiscala e ha dimostrato che la qualità dell'immagine può essere migliorata su impostazioni cieche senza alcuna conoscenza preliminare o ipotesi sul grado di sfocatura a livello di degrado dell'immagine. Inoltre, i ricercatori hanno anche proposto una tecnica per addestrare la rete ad apprendere non solo come ma anche dove rifocalizzare in immagini non uniformemente sfocate, fare un passo avanti verso la commercializzazione di apparecchiature per l'analisi dei materiali basate sull'intelligenza artificiale.

"Ci aspettiamo che i costi e i tempi per lo sviluppo di nuovi materiali vengano ridotti automatizzando il processo di imaging SEM della microscopia elettronica a scansione, che è ampiamente utilizzato per la ricerca e lo sviluppo di nuovi materiali, " ha osservato il professor Seungchul Lee che ha guidato lo studio.