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。