運用計算機視覺新方法電子材料篩選速度提升八十五倍

據11日《自然·通訊》雜志報道，美國麻省理工學院工程師開發的一種計算機視覺技術大大加快了新合成電子材料的表征速度。該技術自動分析印刷半導體樣品圖像，并快速估計每個樣品的兩個關鍵電子屬性：帶隙（衡量電子激活能的指標）和穩定性（衡量壽命的指標）。這項新技術對電子材料的準確表征比傳統方法提升了85倍。

提高太陽能電池、晶體管、LED和電池的性能，需要更好的電子材料。科學家正在使用人工智能（AI）工具從數億種化學配方中識別有前途的材料。與此同時，工程師正在建造可以根據AI搜索算法標記的化學成分，并一次打印數百個材料樣本的機器。但是，材料表征的最后一步一直是先進材料篩選過程中的主要瓶頸。

一種新的電子材料被合成后，其性能的表征通常由領域專家們負責，他們每小時表征約20個材料樣本，這種手動過程很精確，但也很耗時。

于是，團隊開發了兩種新的計算機視覺算法來自動解釋電子材料圖像：一種用于估計帶隙，另一種用于確定穩定性。第一種算法旨在處理來自高細節、高光譜圖像的視覺數據。第二種算法分析標準RGB圖像，并根據材質顏色隨時間的變化來評估材質的穩定性。

該團隊應用這兩種新算法對大約70個印刷半導體樣品的帶隙和穩定性進行了表征。這些樣品含有不同成分比例的鈣鈦礦。運用一種算法， 整個帶隙提取過程約需6分鐘。另一種算法還產生了一個可以衡量每個樣本耐久性的指數。

新算法帶隙和穩定性的測量準確率分別為98.5%和96.9%，與專家的手動測量相比速度快85倍。

研究人員計劃將這項技術整合到全自動材料篩選系統中，其應用將涵蓋半導體材料的多個領域。