محققان یک سیستم هوش مصنوعی را ابداع کردهاند که در یک چشم برهم زدن مواد دو بعدی را در تصاویر میکروسکوپی تشخیص میدهد.
به گزارش خبرنگار فناوری خبرگزاری دانشجو، محققان انستیتوی علوم صنعتی که بخشی از دانشگاه توکیو است، یک سیستم هوش مصنوعی را ابداع کردهاند که در یک چشم برهم زدن مواد دو بعدی را در تصاویر میکروسکوپی تشخیص میدهد. این کار میتواند زمان مربوط به آمادهسازی مواد دو بعدی برای ساخت ابزار الکترونیک را کوتاه کند.
مواد دو بعدی بستر جدید و هیجانانگیزی را برای ساخت ابزار الکترونیک مثل ترانزیستورها و دیودهای ساطع کننده نور فراهم آوردهاند. خانواده بلورهایی که فقط یک اتم ضخامت دارند، در ساخت فلزات، نیمههادیها و عایقها کاربرد دارند. بسیاری از این مواد در شرایط دما و فشار محیط پایدار هستند و خواص آنها غالبا متفاوت از همتایان سهبعدیشان است. حتی کنار هم قرار دادن چند لایه از این مواد در کنار هم نیز میتواند ویژگیهای الکترونیکی آنها را تغییر دهد و آنها را برای باتریهای نسل بعدی، صفحه نمایش تلفنهای هوشمند، ردیابها و سلولهای خورشیدی مناسب کند. حتی شگفتانگیزتر از آن، این است که میتوانید از این ابزار برای درست کردن وسایل اداریتان استفاده کنید.
جایزه نوبل فیزیک ۲۰۱۰ به دو دانشمند اعطا شد که گرافن را از یک تکه گرافیت معمولی، مثل همان مادهای که در همه مدادهای معمولی یافت میشود، به دست آوردند. آنها با یک نوار چسب معمولی سعی کردند لایهای از کربن را با ضخامت تنها یک اتم به دست بیاورند. در آن زمان بسیاری باور داشتند که این کار غیرممکن است، چراکه تصور میکردند مادهای کریستالی با این ضخامت کم نمیتواند پایدار باشد. اما امروز فیزیکدانان میتوانند با استفاده از گرافن، طبقه تازهای از مواد دوبعدی را که دارای ویژگیهای خاص خود هستند، مطالعه کنند.
اما موضوع اینجاست که پیدا کردن بلورهای باریک دوبعدی اتمی زیر میکروسکوپ بسیار کار سخت و خستهکنندهای است. از همین رو، تیمی از محققان دانشگاه توکیو موفق شدند با استفاده از فناوری یادگیری ماشینی این کار را به صورت خودکار انجام دهند. درواقع، این روش برای بسیاری از مواد دوبعدی قابل تعمیم است و نیازی به اطلاعات اضافی نیز ندارد. در حقیقت این الگوریتم در کمتر از ۲۰۰ میلیثانیه، محل و ضخامت نمونه مواد دوبعدی را تشخیص میدهد.
به گفته محققان، جستوجوی خودکار و فهرستبندی مواد دوبعدی توسط این ابزار جدید به محققان امکان میدهد صرفا با لایهبرداری و اجرای الگوریتم خود، نمونه مواد را مورد آزمایش قرار دهند. این امر آنها را به مطالعه روی ابررسانایی و فرومغناطیس در دو بعد نیز سوق خواهد داد.