Uma colaboração australiano-alemã demonstrou uma operação SPM totalmente autônoma, aplicando inteligência artificial e aprendizado profundo para remover a necessidade de supervisão humana constante.

O novo sistema, apelidado de DeepSPM, preenche a lacuna entre a nanociência, automação e inteligência artificial (IA), e estabelece firmemente o uso de aprendizado de máquina para pesquisas científicas experimentais.

"Otimizar a aquisição de dados de SPM pode ser muito tedioso. Esse processo de otimização geralmente é realizado pelo experimentalista humano, e raramente é relatado, "diz o investigador chefe da FLEET, Dr. Agustin Schiffrin (Monash University).

"Nosso novo sistema acionado por IA pode operar e adquirir dados SPM ideais de forma autônoma, por vários dias consecutivos, e sem qualquer supervisão humana. "

O avanço traz metodologias SPM avançadas, como nanofabricação atomicamente precisa e aquisição de dados de alto rendimento, mais perto de um aplicativo totalmente automatizado e pronto para uso.

A nova abordagem de aprendizado profundo pode ser generalizada para outras técnicas de SPM. Os pesquisadores disponibilizaram toda a estrutura publicamente online como código aberto, criando um recurso importante para a comunidade de pesquisa em nanociências.

DeepSPM Totalmente Autônomo

"Crucial para o sucesso do DeepSPM é o uso de um agente de autoaprendizagem, como as entradas de controle corretas não são conhecidas de antemão, "diz o Dr. Cornelius Krull, co-líder do projeto.

"Aprendendo com a experiência, nosso agente se adapta às condições experimentais em mudança e encontra uma estratégia para manter o sistema estável, "diz o Dr. Krull, que trabalha com o Dr. Shiffrin na Monash School of Physics and Astronomy.

O sistema dirigido por IA começa com uma busca algorítmica das melhores regiões de amostra e prossegue com a aquisição autônoma de dados.

Em seguida, usa uma rede neural convolucional para avaliar a qualidade dos dados. Se a qualidade dos dados não for boa, O DeepSPM usa um agente de aprendizado de reforço profundo para melhorar a condição da sonda.

DeepSPM pode ser executado por vários dias, adquirir e processar dados continuamente, ao gerenciar os parâmetros de SPM em resposta a condições experimentais variáveis, sem qualquer supervisão.

O estudo demonstra ser totalmente autônomo, operação de SPM de longo prazo pela primeira vez, combinando:

• uma abordagem algorítmica para seleção de área de amostra e aquisição de dados SPM;
• aprendizado de máquina supervisionado usando redes neurais convolucionais para avaliação de qualidade e classificação de dados SPM, e
• aprendizado de reforço profundo para gerenciamento e condicionamento dinâmico de sondas in-situ automatizadas.

A microscopia de varredura baseada em inteligência artificial foi publicada em Física das Comunicações em março de 2020.