DeepSPM이라는 새로운 시스템은 나노 과학, 자동화 및 인공 지능 (AI) 간의 격차를 해소하고 실험 과학 연구를위한 기계 학습의 사용을 확고히 확립합니다.

FLEET의 수석 연구원 인 Agustin Schiffrin (Monash University)은“SPM 데이터 수집을 최적화하는 것은 매우 지루할 수있다.

"우리의 새로운 AI 기반 시스템은 사람의 감독없이 여러 날 동안 자율적으로 최적의 SPM 데이터를 운영하고 획득 할 수 있습니다."

이러한 발전은 완전 정밀한 턴키 애플리케이션에보다 정밀한 원자 정밀 나노 제조 및 고 처리량 데이터 수집과 같은 고급 SPM 방법론을 제공합니다.

새로운 딥 러닝 접근법은 다른 SPM 기술로 일반화 될 수 있습니다. 연구자들은 전체 프레임 워크를 공개적으로 온라인으로 공개 소스로 제공하여 나노 과학 연구 커뮤니티에 중요한 리소스를 만들었습니다.

완전 자동 깊은 DeepSPM

프로젝트 공동 리더 인 Cornelius Krull 박사는“DeepSPM의 성공에 중요한 것은 정확한 제어 입력이 사전에 알려지지 않았기 때문에 자체 학습 에이전트를 사용하는 것입니다.

"경험을 통해 우리 에이전트는 변화하는 실험 조건에 적응하고 시스템을 안정적으로 유지하기위한 전략을 찾습니다"라고 Monash Physics and Astronomy School의 Shiffrin 박사와 함께 작업하는 Krull 박사는 말합니다.

AI 기반 시스템은 최상의 샘플 영역에 대한 알고리즘 검색으로 시작하여 자율 데이터 수집으로 진행됩니다.

그런 다음 컨볼 루션 신경망을 사용하여 데이터의 품질을 평가합니다. 데이터 품질이 좋지 않은 경우 DeepSPM은 심층 강화 학습 에이전트를 사용하여 프로브 상태를 개선합니다.

DeepSPM은 며칠 동안 실행되어 데이터를 지속적으로 수집 및 처리 할 수 ​​있으며 감독없이 다양한 실험 조건에 대응하여 SPM 매개 변수를 관리 할 수 ​​있습니다.

이 연구는 다음을 결합하여 처음으로 완전히 자율적이고 장기적인 SPM 작동을 보여줍니다.

• 샘플 영역 선택 및 SPM 데이터 획득을위한 알고리즘 접근법;
• SPM 데이터의 품질 평가 및 분류를 위해 컨볼 루션 신경망을 사용하는 감독 된 머신 러닝
• 동적 인 자동화 된 현장 프로브 관리 및 컨디셔닝을위한 심층 강화 학습.