自动显微镜;nanoindentation;AI断层。
自治的显微镜
舰队,也被称为弧卓越中心在未来的低能电子技术,开发了一个自动扫描探针显微镜(SPM)技术。
SPM是一个自动工具,利用锋利的探针。上面的探测器放置在靠近表面的样本。探针,SPM图像形式样品表面的原子尺度。
像大多数的计量工具,SPM需要人工监督。但使用机器学习,自主SPM操作的舰队已经证明了一个框架。机器学习人工智能的一个子集,利用神经网络来处理数据和识别模式。它匹配特定的模式和学习哪些属性是很重要的。
车队的技术叫做DeepSPM。“DeepSPM包括算法搜索好的样本地区,卷积神经网络评估获得的图像的质量,和深强化学习代理可靠条件调查的状态,”研究人员称通信物理、科技期刊。“DeepSPM能够获取和分类数据不断在持续多日的扫描隧道显微镜实验中,管理调查质量以应对不同实验条件。”
总之,自主SPM操作删除常数人力监督的必要性。优化SPM数据采集是非常乏味。这个优化过程通常是由人类实验者,很少报道,“车队首席调查员的奥古斯汀•Schiffrin表示。“我们新的AI-driven系统可以自主经营并获得最优SPM数据,连续多天,,没有任何人类的监督。”
“DeepSPM的成功的关键是学习代理的使用,正确的控制输入是事先不知道,”哥尼流Krull,项目负责人。“从经验中学习,我们的代理适应改变实验条件,找到了一个策略来保持系统的稳定。”
莫纳什大学物理学和天文学学院的研究人员在马克斯普朗克研究所的SPM技术与分子细胞生物学和遗传学、马克斯·德尔布吕克分子医学中心和海德堡大学。
Nanoindentation
使用机器学习、麻省理工学院的布朗大学和南洋理工大学开发了一种方法来做nanoindentation更准确。
Nanoindentation技术测量多种材料的力学性能。测量材料的模量和硬度。
几家公司提供了一个称为nanoindenter系统,文中对纳米压痕技术的测试执行的艺术。例如,纳米科学仪器有一个系统,一个钻石探头,100 nm技巧是用来缩进样品的表面。“负载应用于尖端和渗透的深度是随后测量过程中,“根据纳米科学仪器。“缩进深度是用来计算技巧那是在接触的面积缩进。这个区域是用来测量材料的硬度。”
一般来说,可以测量压痕力的1000000000牛顿,根据麻省理工学院。牛顿是一个单位的力量。“一个牛顿的力是需要大规模的速度加快一公斤1米每秒的平方在作用力的方向,“根据一个术语的定义。
使用机器学习,麻省理工学院,棕色和南洋理工大学已经开发出一种新的分析技术来提高金属材料的力学性能的评估。据说,这种技术20 x精度比现有的方法。
新方法不需要任何新设备,而是使用神经网络利用机器学习。机器学习需要大量的数据。否则,结果可能不准确。
而不是传统的方法,麻省理工学院的研究人员和其他人采取了不同的方法。”研究小组发现,有很多低成本的合成的神经网络训练数据,然后将相对较少的实际实验数据点,三个和20之间的某个地方,与1000年相比或更准确,尽管高成本,数据集,可以大幅提高结果的准确性,“根据麻省理工学院。
更快的恰当的
美国能源部(DOE)的阿贡国家实验室使用深度学习先进的原子探针断层扫描(APT)。
恰当的计量系统,使3 d原子重建材料。通过使用机器学习,研究人员可以加速恰当的流程,而无需牺牲准确性。
“我们的方法是可伸缩的,你可以把它放在高性能计算和完全自动化,而不是通过手动和观察不同浓度,”阿贡材料科学家的大车Heinonen说。“你发送代码,并按下按钮。”
|
|
|
|
|
|
|
|
留下一个回复