Una collaborazione australiano-tedesca ha dimostrato un'operazione SPM completamente autonoma, applicare l'intelligenza artificiale e l'apprendimento profondo per rimuovere la necessità di una costante supervisione umana.

Il nuovo sistema, soprannominato DeepSPM, colma il divario tra nanoscienza, automazione e intelligenza artificiale (AI), e stabilisce fermamente l'uso dell'apprendimento automatico per la ricerca scientifica sperimentale.

"L'ottimizzazione dell'acquisizione dei dati SPM può essere molto noiosa. Questo processo di ottimizzazione viene solitamente eseguito dallo sperimentatore umano, ed è raramente segnalato, ", afferma il Dr. Agustin Schiffrin (Monash University), il capo investigatore della FLEET.

"Il nostro nuovo sistema basato sull'intelligenza artificiale può operare e acquisire dati SPM ottimali in modo autonomo, per più giorni consecutivi, e senza alcuna supervisione umana."

L'avanzata avvicina le metodologie SPM avanzate come la nanofabbricazione ad alta precisione atomica e l'acquisizione di dati ad alto rendimento a un'applicazione chiavi in ​​mano completamente automatizzata.

Il nuovo approccio di deep learning può essere generalizzato ad altre tecniche SPM. I ricercatori hanno reso l'intero framework pubblicamente disponibile online come open source, creando una risorsa importante per la comunità di ricerca sulle nanoscienze.

DeepSPM completamente autonomo

"Cruciale per il successo di DeepSPM è l'uso di un agente di autoapprendimento, poiché gli ingressi di controllo corretti non sono noti in anticipo, "dice il dottor Cornelius Krull, co-responsabile del progetto.

"Imparare dall'esperienza, il nostro agente si adatta alle mutevoli condizioni sperimentali e trova una strategia per mantenere stabile il sistema, "dice il dottor Krull, che lavora con il Dr. Shiffrin alla Monash School of Physics and Astronomy.

Il sistema guidato dall'intelligenza artificiale inizia con una ricerca algoritmica delle migliori regioni campione e procede con l'acquisizione autonoma dei dati.

Quindi utilizza una rete neurale convoluzionale per valutare la qualità dei dati. Se la qualità dei dati non è buona, DeepSPM utilizza un agente di apprendimento per rinforzo profondo per migliorare le condizioni della sonda.

DeepSPM può essere eseguito per diversi giorni, acquisire ed elaborare dati in modo continuativo, durante la gestione dei parametri SPM in risposta a condizioni sperimentali variabili, senza alcuna supervisione.

Lo studio dimostra completamente autonomo, funzionamento SPM a lungo termine per la prima volta combinando:

• un approccio algoritmico per la selezione dell'area campione e l'acquisizione dei dati SPM;
• apprendimento automatico supervisionato che utilizza reti neurali convoluzionali per la valutazione della qualità e la classificazione dei dati SPM, e
• apprendimento di rinforzo profondo per la gestione e il condizionamento dinamici automatizzati delle sonde in situ.

La microscopia con sonda a scansione guidata dall'intelligenza artificiale è stata pubblicata in Fisica delle comunicazioni a marzo 2020.