澳大利亚与德国的合作证明,SPM完全自主运行,它应用了人工智能和深度学习,因此不需要不断的人工监督。
这个名为DeepSPM的新系统弥合了纳米科学、自动化和人工智能(AI)之间的差距,并牢固地建立了机器学习在实验科学研究中的使用。
FLEET的首席研究员Agustin Schiffrin博士(莫纳什大学)说:“优化SPM数据收集可能非常繁琐。这个优化过程通常由人类实验者来完成,很少有报道。”
“我们新的人工智能驱动系统可以在没有任何人工监督的情况下,连续几天自动运行并获得最佳的SPM数据。”
这一进展使得先进的SPM方法,如原子精确纳米加工和高通量数据采集,更接近自动化交钥匙应用。
新的深度学习方法可以扩展到其他SPM技术。研究人员将整个框架作为开源在网上发布,为纳米科学研究社区创造了重要的资源。
完全自主DeepSPM
“DeepSPM成功的关键是使用自学习代理,因为正确的控制输入事先并不知道,”该项目的联合负责人Cornelius Krull博士说。
“从经验中学习,我们的代理将适应不断变化的实验条件,并找到保持系统稳定的策略,”与莫纳什物理和天文学研究所的希夫林博士合作的克鲁尔博士说。
AI驱动的系统从最佳样本区域的算法搜索开始,然后进行独立的数据采集。
然后,使用卷积神经网络来评估数据质量。如果数据质量不好,DeepSPM将使用深度强化学习代理来改善探头的状况。
DeepSPM可以在没有任何监督的情况下运行数天,连续采集和处理数据,并管理SPM参数以应对不断变化的实验条件。
该研究首次结合以下方面展示了完全自主的SPM的长期运行:
一种用于样本区域选择和SPM数据采集的算法;
使用用于监督机器学习的卷积神经网络来评估和分类SPM数据,以及
动态自动原位探针管理和调整的强化学习。