Uno dei compiti più noiosi e scoraggianti per gli assistenti universitari nei laboratori di ricerca universitari consiste nel guardare per ore al microscopio campioni di materiale, cercando di trovare monostrati.

Questi materiali bidimensionali, meno di 1/100.000 della larghezza di un capello umano, sono molto ricercati per l'uso in elettronica, fotonica e dispositivi optoelettronici a causa delle loro proprietà uniche.

"I laboratori di ricerca assumono eserciti di studenti universitari per non fare altro che cercare monostrati", afferma Jaime Cardenas, assistente professore di ottica all'Università di Rochester. "È molto noioso e, se ti stanchi, potresti perdere alcuni dei monostrati o potresti iniziare a fare identificazioni errate."

Anche dopo tutto quel lavoro, i laboratori devono quindi ricontrollare i materiali con la costosa spettroscopia Raman o la microscopia a forza atomica.

Jesús Sánchez Juárez, un dottorato di ricerca. studente del Cardenas Lab, ha reso la vita molto più semplice a quegli studenti universitari, ai loro laboratori di ricerca e alle aziende che incontrano difficoltà simili nel rilevare i monostrati.

La tecnologia rivoluzionaria, un dispositivo di scansione automatizzato descritto in Optical Materials Express , è in grado di rilevare i monostrati con una precisione del 99,9%, superando qualsiasi altro metodo fino ad oggi.

Ad una frazione del costo. In molto meno tempo. Con materiali facilmente reperibili.

"Uno degli obiettivi principali era sviluppare un sistema con un budget molto ridotto in modo che studenti e laboratori possano replicare queste metodologie senza dover investire migliaia e migliaia di dollari solo per acquistare le attrezzature necessarie", afferma Sánchez Juárez, autore principale di la carta.

Ad esempio, il dispositivo che ha creato può essere replicato con un microscopio economico con obiettivo 5X e una fotocamera OEM (produttore di apparecchiature originali) a basso costo.

Un adattamento creativo di una rete neurale AI

"Siamo molto eccitati", dice Cardenas. "Jesús ha fatto diverse cose qui che sono nuove e diverse, applicando l'intelligenza artificiale in un modo nuovo per risolvere un grave problema nell'uso dei materiali 2D."

Molti laboratori hanno cercato di eliminare la necessità di costosi test di caratterizzazione di backup addestrando una rete neurale di intelligenza artificiale (AI) per la scansione dei monostrati. La maggior parte dei laboratori che hanno provato questo approccio tentano di costruire una rete da zero, il che richiede molto tempo, afferma Cardenas.

Invece, Sánchez Juárez ha iniziato con una rete neurale pubblicamente disponibile chiamata AlexNet che è già addestrata a riconoscere gli oggetti.

Ha quindi sviluppato un nuovo processo che inverte le immagini dei materiali in modo che tutto ciò che era luminoso sull'immagine originale appaia invece nero e viceversa. Le immagini invertite vengono eseguite attraverso ulteriori fasi di elaborazione. A quel punto, le immagini "non stanno affatto bene all'occhio umano", afferma Cardenas, "ma per un computer è più facile separare i monostrati dai substrati su cui sono depositati".

Conclusione:rispetto a quelle lunghe e noiose ore di scansione da parte degli studenti universitari, il sistema di Sánchez Juárez è in grado di elaborare 100 immagini che coprono campioni di 1 centimetro x 1 centimetro in nove minuti con una precisione quasi del 100%.

"La nostra dimostrazione apre la strada alla produzione automatizzata di materiali monostrato da utilizzare nella ricerca e negli ambienti industriali riducendo notevolmente i tempi di elaborazione", scrive Sánchez Juárez nel documento. Le applicazioni includono materiali 2D adatti per fotorilevatori, dispositivi a emissione di luce (LED) eccitonici, laser, generazione ottica di correnti spin-valle, emissione di fotoni singoli e modulatori. + Esplora ulteriormente

Energy-efficient AI hardware technology via a brain-inspired stashing system