一種計(jì)算機(jī)視覺技術(shù)加快新合成電子材料的表征速度
據(jù)據(jù)《自然·通訊》雜志報(bào)道，美國麻省理工學(xué)院工程師開發(fā)的一種計(jì)算機(jī)視覺技術(shù)大大加快了新合成電子材料的表征速度。該技術(shù)自動分析印刷半導(dǎo)體樣品圖像，并快速估計(jì)每個(gè)樣品的兩個(gè)關(guān)鍵電子屬性：帶隙（衡量電子激活能的指標(biāo)）和穩(wěn)定性（衡量壽命的指標(biāo)）。這項(xiàng)新技術(shù)對電子材料的準(zhǔn)確表征比傳統(tǒng)方法提升了85倍。 RS"H8P 4W
提高太陽能電池、晶體管、LED和電池的性能，需要更好的電子材料。科學(xué)家正在使用人工智能（AI）工具從數(shù)億種化學(xué)配方中識別有前途的材料。與此同時(shí)，工程師正在建造可以根據(jù)AI搜索算法標(biāo)記的化學(xué)成分，并一次打印數(shù)百個(gè)材料樣本的機(jī)器。但是，材料表征的最后一步一直是先進(jìn)材料篩選過程中的主要瓶頸。 ;o^eC!: /%
[attachment=128954] Gn\_+Pj$
鈣鈦礦太陽能電池 C+?Hm1
一種新的電子材料被合成后，其性能的表征通常由領(lǐng)域?qū)＜覀冐?fù)責(zé)，他們每小時(shí)表征約20個(gè)材料樣本，這種手動過程很精確，但也很耗時(shí)。 , `wXg
于是，團(tuán)隊(duì)開發(fā)了兩種新的計(jì)算機(jī)視覺算法來自動解釋電子材料圖像：一種用于估計(jì)帶隙，另一種用于確定穩(wěn)定性。第一種算法旨在處理來自高細(xì)節(jié)、高光譜圖像的視覺數(shù)據(jù)。第二種算法分析標(biāo)準(zhǔn)RGB圖像，并根據(jù)材質(zhì)顏色隨時(shí)間的變化來評估材質(zhì)的穩(wěn)定性。
*-+&[P]m
該團(tuán)隊(duì)?wèi)?yīng)用這兩種新算法對大約70個(gè)印刷半導(dǎo)體樣品的帶隙和穩(wěn)定性進(jìn)行了表征。這些樣品含有不同成分比例的鈣鈦礦。運(yùn)用一種算法， 整個(gè)帶隙提取過程約需6分鐘。另一種算法還產(chǎn)生了一個(gè)可以衡量每個(gè)樣本耐久性的指數(shù)。 IC#>X 5
新算法帶隙和穩(wěn)定性的測量準(zhǔn)確率分別為98.5%和96.9%，與專家的手動測量相比速度快85倍。 ?Eg (Gu.J
研究人員計(jì)劃將這項(xiàng)技術(shù)整合到全自動材料篩選系統(tǒng)中，其應(yīng)用將涵蓋半導(dǎo)體材料的多個(gè)領(lǐng)域。
|