据11日《自然·通讯》杂志报道，美国麻省理工学院工程师开发的一种计算机视觉技术大大加快了新合成电子材料的表征速度。该技术自动分析印刷半导体样品图像，并快速估计每个样品的两个关键电子属性：带隙（衡量电子激活能的指标）和稳定性（衡量寿命的指标）。这项新技术对电子材料的准确表征比传统方法提升了85倍。
提高太阳能电池、晶体管、LED和电池的性能，需要更好的电子材料。科学家正在使用人工智能（AI）工具从数亿种化学配方中识别有前途的材料。与此同时，工程师正在建造可以根据AI搜索算法标记的化学成分，并一次打印数百个材料样本的机器。但是，材料表征的最后一步一直是先进材料筛选过程中的主要瓶颈。
一种新的电子材料被合成后，其性能的表征通常由领域专家们负责，他们每小时表征约20个材料样本，这种手动过程很精确，但也很耗时。
于是，团队开发了两种新的计算机视觉算法来自动解释电子材料图像：一种用于估计带隙，另一种用于确定稳定性。第一种算法旨在处理来自高细节、高光谱图像的视觉数据。第二种算法分析标准RGB图像，并根据材质颜色随时间的变化来评估材质的稳定性。
该团队应用这两种新算法对大约70个印刷半导体样品的带隙和稳定性进行了表征。这些样品含有不同成分比例的钙钛矿。运用一种算法， 整个带隙提取过程约需6分钟。另一种算法还产生了一个可以衡量每个样本耐久性的指数。
新算法带隙和稳定性的测量准确率分别为98.5%和96.9%，与专家的手动测量相比速度快85倍。
研究人员计划将这项技术整合到全自动材料筛选系统中，其应用将涵盖半导体材料的多个领域。
中新网北京12月19日电 (记者 孙自法)施普林格·自然旗下专业学术期刊《自然-医学》最新发表一篇论文称，研究人 按照三秦英才引进计划和三秦英才特殊支持计划《实施办法》和2023年省级人才计划评审工作安排，经申报推荐、形式审查 教育、科技、人才三者相互促进、相辅相成。如何构建符合人才成长规律的教育评价机制，让更多优秀的科技人才脱颖而出？如何 ■本报记者 冯丽妃 日本当地时间1月1日16时10分，日本西海岸石川县能登半岛发生7.6级地震，震源深度30公里。 截至 文｜卜金婷 田瑞颖 《自然》近日发文警告，对人工智能（AI）的不当使用或将催生大量不可靠或无用的研究，导致可重复性 关于发布《中国博士后科学基金资助指南（2024年度）》的通知 中博基字〔2024〕2号 各省、自治区、直辖市及新疆生产 。本文链接：电子材料筛选速度提升八十五倍http://www.sushuapos.com/show-11-7075-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 激光修复新法可使材料强度翻倍
下一篇： 阿尔茨海默病奠基性论文造假掀巨澜