Os pesquisadores podem processar 100 imagens cobrindo amostras de 1 centímetro x 1 centímetro como esta em cerca de nove minutos usando um novo sistema que simplifica muito a busca muitas vezes tediosa por monocamadas no laboratório. Crédito:Foto da Universidade de Rochester / J. Adam Fenster
Uma das tarefas mais tediosas e assustadoras para assistentes de graduação em laboratórios de pesquisa universitários envolve olhar horas a fio através de um microscópio em amostras de material, tentando encontrar monocamadas.
Esses materiais bidimensionais – menos de 1/100.000 da largura de um fio de cabelo humano – são muito procurados para uso em dispositivos eletrônicos, fotônicos e optoeletrônicos devido às suas propriedades únicas.
"Os laboratórios de pesquisa contratam exércitos de estudantes de graduação para não fazer nada além de procurar monocamadas", diz Jaime Cárdenas, professor assistente de óptica da Universidade de Rochester. "É muito tedioso e, se você se cansar, pode perder algumas das monocamadas ou começar a fazer identificações incorretas."
Mesmo depois de todo esse trabalho, os laboratórios devem verificar novamente os materiais com a cara espectroscopia Raman ou microscopia de força atômica.
Jesús Sánchez Juárez, Ph.D. aluno do Cardenas Lab, tornou a vida muito mais fácil para os alunos de graduação, seus laboratórios de pesquisa e empresas que encontram dificuldades semelhantes na detecção de monocamadas.
A tecnologia inovadora, um dispositivo de digitalização automatizado descrito em
Optical Materials Express , pode detectar monocamadas com 99,9% de precisão, superando qualquer outro método até o momento.
Por uma fração do custo. Em muito menos tempo. Com materiais de fácil acesso.
"Um dos principais objetivos era desenvolver um sistema com um orçamento muito pequeno para que estudantes e laboratórios pudessem replicar essas metodologias sem ter que investir milhares e milhares de dólares apenas para comprar o equipamento necessário", diz Sánchez Juárez, principal autor do o papel.
Por exemplo, o dispositivo que ele criou pode ser replicado com um microscópio barato com uma lente objetiva de 5X e uma câmera OEM (fabricante de equipamento original) de baixo custo.
Uma adaptação criativa de uma rede neural de IA "Estamos muito animados", diz Cárdenas. "Jesús fez várias coisas aqui que são novas e diferentes, aplicando a inteligência artificial de uma maneira inovadora para resolver um grande problema no uso de materiais 2D."
Muitos laboratórios tentaram eliminar a necessidade de testes caros de caracterização de backup treinando uma rede neural de inteligência artificial (IA) para verificar as monocamadas. A maioria dos laboratórios que tentaram essa abordagem tentam construir uma rede do zero, o que leva um tempo significativo, diz Cardenas.
Em vez disso, Sánchez Juárez começou com uma rede neural disponível publicamente chamada AlexNet, que já é treinada para reconhecer objetos.
Ele então desenvolveu um novo processo que inverte imagens de materiais para que o que fosse brilhante na imagem original apareça em preto e vice-versa. As imagens invertidas passam por etapas de processamento adicionais. Nesse ponto, as imagens "não parecem nada boas ao olho humano", diz Cárdenas, "mas para um computador fica mais fácil separar as monocamadas dos substratos em que são depositadas".
Conclusão:Em comparação com aquelas longas e tediosas horas de digitalização por estudantes de graduação, o sistema de Sánchez Juárez pode processar 100 imagens cobrindo amostras de 1 centímetro x 1 centímetro em nove minutos com quase 100% de precisão.
"Nossa demonstração abre caminho para a produção automatizada de materiais de monocamada para uso em pesquisas e configurações industriais, reduzindo bastante o tempo de processamento", escreve Sánchez Juárez no artigo. As aplicações incluem materiais 2D adequados para fotodetectores, dispositivos emissores de luz excitônicos (LEDs), lasers, geração óptica de correntes spin-valley, emissão de fóton único e moduladores.
+ Explorar mais Tecnologia de hardware de IA com eficiência energética por meio de um sistema de armazenamento inspirado no cérebro