Image acquise par microscopie à force atomique (AFM) :une seule molécule, semblable à la chlorophylle. Crédit :FLOTTE
Une collaboration australo-allemande a démontré un fonctionnement SPM entièrement autonome, appliquer l'intelligence artificielle et l'apprentissage en profondeur pour éliminer le besoin d'une surveillance humaine constante.
Le nouveau système, surnommé DeepSPM, comble le fossé entre les nanosciences, automatisation et intelligence artificielle (IA), et établit fermement l'utilisation de l'apprentissage automatique pour la recherche scientifique expérimentale.
« Optimiser l'acquisition de données SPM peut être très fastidieux. Ce processus d'optimisation est généralement effectué par l'expérimentateur humain, et est rarement signalé, " déclare le chercheur en chef de FLEET, le Dr Agustin Schiffrin (Université Monash).
"Notre nouveau système basé sur l'IA peut fonctionner et acquérir des données SPM optimales de manière autonome, pendant plusieurs jours consécutifs, et sans aucune supervision humaine."
Cette avancée rapproche les méthodologies SPM avancées telles que la nanofabrication de précision atomique et l'acquisition de données à haut débit d'une application clé en main entièrement automatisée.
La nouvelle approche d'apprentissage en profondeur peut être généralisée à d'autres techniques SPM. Les chercheurs ont rendu l'ensemble du cadre accessible au public en ligne en tant qu'open source, la création d'une ressource importante pour la communauté de recherche en nanosciences.
Image acquise par microscopie à effet tunnel (STM) :atomes d'argent individuels sur une surface métallique cristalline Crédit :FLEET
DeepSPM entièrement autonome
"L'utilisation d'un agent d'auto-apprentissage est cruciale pour le succès de DeepSPM, comme les entrées de commande correctes ne sont pas connues à l'avance, " dit le Dr Cornelius Krull, co-chef de projet.
« Apprendre de l'expérience, notre agent s'adapte aux conditions expérimentales changeantes et trouve une stratégie pour maintenir le système stable, " dit le Dr Krull, qui travaille avec le Dr Shiffrin à la Monash School of Physics and Astronomy.
Le système basé sur l'IA commence par une recherche algorithmique des meilleures régions d'échantillonnage et procède à une acquisition de données autonome.
Il utilise ensuite un réseau de neurones convolutifs pour évaluer la qualité des données. Si la qualité des données n'est pas bonne, DeepSPM utilise un agent d'apprentissage par renforcement en profondeur pour améliorer l'état de la sonde.
DeepSPM peut fonctionner pendant plusieurs jours, acquérir et traiter des données en continu, tout en gérant les paramètres SPM en réponse à des conditions expérimentales variables, sans aucune surveillance.
L'étude démontre une totale autonomie, opération SPM à long terme pour la première fois en combinant :
La microscopie à sonde à balayage basée sur l'intelligence artificielle a été publiée dans Physique des communications en mars 2020.
