让人工智能在实验室| ARC未来低能电子技术卓越中心工作

通过原子力显微镜(AFM)获得的图像:单个分子，类似于叶绿素。

澳大利亚和德国的合作已经证明了全自动SPM操作，应用人工智能和深度学习来消除持续的人类监督的需要。

这个被称为DeepSPM的新系统弥合了纳米科学、自动化和人工智能(AI)之间的差距，并牢固地建立了机器学习在实验科学研究中的应用。

“优化SPM数据采集可能非常繁琐。这一优化过程通常由人类实验人员执行，很少有报道，”FLEET首席研究员Agustin Schiffrin博士(莫纳什大学)说。

“我们新的人工智能驱动系统可以连续多天自主操作并获取最佳SPM数据，而无需任何人工监督。”

这一进展使先进的SPM方法(如原子精确纳米制造和高通量数据采集)更接近于完全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源在网上公开，为纳米科学研究界创造了一个重要的资源。

扫描探针显微镜(SPM)彻底改变了材料科学和纳米科学，允许以原子精度绘制表面性质和表面操作。SPM的类型包括扫描隧道显微镜(STM)和原子力显微镜(AFM)。

“DeepSPM成功的关键是使用自我学习代理，因为正确的控制输入是事先不知道的，”项目联合负责人科尼利厄斯·克鲁尔(Cornelius Krull)博士说。

“从经验中学习，我们的智能体适应不断变化的实验条件，并找到一种策略来保持系统稳定，”克鲁尔博士说，他与莫纳什物理和天文学院的希夫林博士合作。

人工智能驱动的系统首先对最佳样本区域进行算法搜索，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使用深度强化学习代理来改善探针的状况。

莫纳什大学物理与天文学院的Agustin Schiffrin博士和他的团队

DeepSPM可以连续运行数天，连续获取和处理数据，同时根据不同的实验条件管理SPM参数，无需任何监督。

该研究首次展示了完全自主的、长期的SPM操作

莫纳什大学物理与天文学院的研究人员与nasa的合作者密切合作马克斯普朗克分子细胞生物学和遗传学研究所(德累斯顿),Max Delbrück分子医学中心(柏林)和海德堡大学．

所有的实验都是在莫纳什大学进行的，部分资金由澳大利亚研究理事会．计算是在信息服务和高性能计算中心(欧洲研究理事会资助)。

通过扫描隧道显微镜(STM)获得的图像:晶体金属表面上的单个银原子

FLEET的Schiffrin博士的团队使用SPM来研究新纳米材料的原子尺度特性(结构和电子)，这些材料在未来的低能电子技术中具有潜在的用途。

FLEET是澳大利亚研究委员会资助的研究中心，汇集了100多名澳大利亚和国际专家，开发新一代超低能耗电子产品。

让人工智能在实验室工作