Avec le début de la 4e révolution industrielle, l'intelligence artificielle a récemment été utilisée dans les caméras des smartphones, fournissant des fonctions telles que la mise au point automatique, reconnaissance de visage, et zoom 100x, pour améliorer considérablement notre vie quotidienne. Il a également été appliqué à la recherche et au développement de nouveaux matériaux.

Une équipe de recherche conjointe de POSTECH et de l'Institut coréen des sciences des matériaux (KIMS) a appliqué l'apprentissage en profondeur au système de microscopie électronique à balayage (SEM) pour développer une technique capable de détecter et d'améliorer la qualité des images SEM sans surveillance humaine. L'EMS est un équipement d'analyse de matériaux essentiel utilisé pour développer de nouveaux matériaux. Les résultats de cette recherche ont été récemment publiés dans Acta Materialia , la revue la plus reconnue dans le domaine des matériaux métalliques.

Le SEM est l'un des types les plus avancés d'équipement d'analyse des matériaux, crucial pour étudier la corrélation entre la microstructure et la physique, chimique, et les propriétés mécaniques des matériaux en fournissant leurs données d'images microstructurales. Cependant, afin d'obtenir une haute qualité, des images SEM claires, l'opérateur doit être hautement qualifié pour manœuvrer le système avec une grande précision, sinon, cela peut conduire à des images microscopiques de mauvaise qualité. La qualité de ces images doit être améliorée car elles affectent directement les processus d'analyse des matériaux ultérieurs.

Pour ça, l'équipe de recherche conjointe a développé une méthode de recentrage basée sur l'apprentissage en profondeur qui détecte et améliore automatiquement la qualité des images de microscopie. Cette technologie est basée sur un réseau de neurones profonds multi-échelles et elle a démontré que la qualité de l'image peut être améliorée sur des paramètres aveugles sans aucune connaissance ou hypothèse préalable du degré de flou sur le niveau de dégradation de l'image. En outre, les chercheurs ont également proposé une technique pour entraîner le réseau à apprendre non seulement comment mais aussi où se recentrer dans des images défocalisées de manière non uniforme, faire un pas de plus vers la commercialisation d'équipements d'analyse de matériaux basés sur l'IA.

« Nous nous attendons à ce que le coût et le temps de développement de nouveaux matériaux soient réduits en automatisant le processus d'imagerie SEM de la microscopie électronique à balayage, qui est largement utilisé pour la recherche et le développement de nouveaux matériaux, " a fait remarquer le professeur Seungchul Lee qui a dirigé l'étude.