Chercheurs à l'Institut des sciences industrielles, une partie de l'Université de Tokyo, a démontré un nouveau système d'intelligence artificielle capable de trouver et d'étiqueter des matériaux 2D dans des images de microscope en un clin d'œil. Ce travail peut aider à raccourcir le temps nécessaire pour que l'électronique à base de matériaux 2D soit prête pour les appareils grand public.

Les matériaux bidimensionnels offrent une nouvelle plate-forme passionnante pour la création d'appareils électroniques, comme les transistors et les diodes électroluminescentes. La famille des cristaux qui peuvent être faits d'un seul atome d'épaisseur comprend les métaux, semi-conducteurs, et isolants. Beaucoup d'entre eux sont stables dans les conditions ambiantes, et leurs propriétés sont souvent très différentes de celles de leurs homologues 3D. Même l'empilement de quelques couches peut modifier les caractéristiques électroniques pour les rendre adaptées aux batteries de nouvelle génération, écrans de smartphones, détecteurs, et des cellules solaires. Et peut-être encore plus étonnant :vous pouvez en fabriquer vous-même à l'aide de fournitures de bureau. Le prix Nobel de physique 2010 a été décerné pour la réalisation que le graphène atomiquement mince peut être obtenu en exfoliant un morceau de mine de crayon, graphite, avec un morceau de scotch collant.

Donc, qu'est-ce qui vous empêche de fabriquer vos propres appareils électroniques au travail entre les réunions ? Malheureusement, les cristaux 2D atomiquement minces ont de faibles rendements de fabrication et leurs contrastes optiques sont dans une très large gamme, et les trouver au microscope est un travail fastidieux.

Maintenant, une équipe dirigée par l'Université de Tokyo a réussi à automatiser cette tâche en utilisant l'apprentissage automatique. Ils ont utilisé de nombreux exemples étiquetés avec divers éclairages pour entraîner l'ordinateur à détecter le contour et l'épaisseur des flocons sans avoir à affiner les paramètres du microscope. "En utilisant l'apprentissage automatique au lieu d'algorithmes de détection conventionnels basés sur des règles, notre système était robuste aux conditions changeantes, " dit le premier auteur Satoru Masubuchi.

La méthode est généralisable à de nombreux autres matériaux 2D, parfois sans avoir besoin de données supplémentaires. En réalité, l'algorithme a pu détecter les flocons de diséléniure de tungstène et de diséléniure de molybdène simplement en étant entraîné avec des exemples de ditellurure de tungstène. Avec la capacité de déterminer, en moins de 200 millisecondes, l'emplacement et l'épaisseur des échantillons exfoliés, le système peut être intégré à un microscope optique motorisé.

"La recherche et le catalogage automatisés de matériaux 2D permettront aux chercheurs de tester un grand nombre d'échantillons simplement en exfoliant et en exécutant l'algorithme automatisé, ", a déclaré l'auteur principal Tomoki Machida. "Cela accélérera considérablement le cycle de développement de nouveaux appareils électroniques basés sur des matériaux 2D, ainsi que de faire avancer l'étude de la supraconductivité et du ferromagnétisme en 2D, où il n'y a pas d'ordre à longue distance."