人工智能
(文章来源:教育新闻网)
澳大利亚与德国的合作证明了SPM的完全自主运作,它应用了人工智能和深度学习,从而消除了对人类不断监督的需求。
名为DeepSPM的新系统弥合了纳米科学,自动化和人工智能(AI)之间的鸿沟,并牢固地建立了将机器学习用于实验科学研究的用途。FLEET首席研究员Agustin Schiffrin博士(莫纳什大学)说:“优化SPM数据采集可能非常繁琐。这种优化过程通常是由人类实验人员执行的,而且鲜有报道。”
“我们新的AI驱动系统可以连续多个天自动运行和获取最佳SPM数据,而无需任何人工监督。”
这一进步使先进的SPM方法论,如原子精确的纳米加工和高通量数据采集,更接近于自动化的交钥匙应用。新的深度学习方法可以推广到其他SPM技术。研究人员已经将整个框架作为开放源在线公开发布,为纳米科学研究界创造了重要资源。
“ DeepSPM成功的关键是使用自学习代理,因为事先不知道正确的控制输入,”项目共同负责人Cornelius Krull博士说。
“从经验中吸取教训,我们的代理商会适应不断变化的实验条件,并找到一种维持系统稳定的策略,”与莫纳什物理与天文学学院的席夫林博士一起工作的克鲁尔博士说。AI驱动的系统从对最佳样本区域的算法搜索开始,然后进行自主数据采集。
然后,它使用卷积神经网络来评估数据的质量。如果数据质量不好,DeepSPM将使用深度强化学习代理来改善探针的状况。DeepSPM可以运行几天,可以连续获取和处理数据,同时可以响应不断变化的实验条件管理SPM参数,而无需任何监督。
该研究首次结合以下方面展示了完全自主的SPM长期运行:一种用于样本区域选择和SPM数据采集的算法方法;使用卷积神经网络进行有监督的机器学习,以对SPM数据进行质量评估和分类,以及深度强化学习,用于动态自动原位探针管理和调节。
(责任编辑:fqj)
全部0条评论
快来发表一下你的评论吧 !