Una colaboración australiano-alemana ha demostrado una operación SPM totalmente autónoma, aplicando inteligencia artificial y aprendizaje profundo para eliminar la necesidad de una supervisión humana constante.
El nuevo sistema, denominado DeepSPM, cierra la brecha entre la nanociencia, la automatización y la inteligencia artificial IA, y establece firmemente el uso del aprendizaje automático para la investigación científica experimental.
"La optimización de la adquisición de datos SPM puede ser muy tediosa. Este proceso de optimización generalmente lo realiza el experimentador humano, y rara vez se informa", dice el investigador jefe de FLEET, Dr. Agustin Schiffrin Universidad de Monash.
"Nuestro nuevo sistema impulsado por IA puede operar y adquirir datos SPM óptimos de forma autónoma, durante varios días seguidos y sin supervisión humana".
El avance trae metodologías avanzadas de SPM como la nanofabricación atómicamente precisa y la adquisición de datos de alto rendimiento más cerca de una aplicación llave en mano totalmente automatizada.
El nuevo enfoque de aprendizaje profundo puede generalizarse a otras técnicas de SPM. Los investigadores han hecho que todo el marco esté disponible públicamente en línea como código abierto, creando un recurso importante para la comunidad de investigación en nanociencia.
DeepSPM TOTALMENTE AUTÓNOMO
"Es crucial para el éxito de DeepSPM el uso de un agente de autoaprendizaje, ya que las entradas de control correctas no se conocen de antemano", dice el Dr. Cornelius Krull, co-líder del proyecto.
"Aprendiendo de la experiencia, nuestro agente se adapta a las cambiantes condiciones experimentales y encuentra una estrategia para mantener el sistema estable", dice el Dr. Krull, quien trabaja con el Dr. Shiffrin en la Escuela de Física y Astronomía de Monash.
El sistema impulsado por IA comienza con una búsqueda algorítmica de las mejores regiones de muestra y continúa con la adquisición autónoma de datos.
Luego usa una red neuronal convolucional para evaluar la calidad de los datos. Si la calidad de los datos no es buena, DeepSPM usa un agente de aprendizaje de refuerzo profundo para mejorar la condición de la sonda.
DeepSPM puede ejecutarse durante varios días, adquiriendo y procesando datos continuamente, mientras gestiona parámetros SPM en respuesta a condiciones experimentales variables, sin ninguna supervisión.
El estudio demuestra la operación SPM a largo plazo totalmente autónoma por primera vez combinando :
Fuente de la historia :
Materiales proporcionado por Centro de excelencia ARC en futuras tecnologías electrónicas de baja energía . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :