據(jù)據(jù)《自然·通訊》雜志報道，美國麻省理工學院工程師開發(fā)的一種計算機視覺技術(shù)大大加快了新合成電子材料的表征速度。該技術(shù)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(guān)鍵電子屬性：帶隙（衡量電子激活能的指標）和穩(wěn)定性（衡量壽命的指標）。這項新技術(shù)對電子材料的準確表征比傳統(tǒng)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�？茖W家正在使用人工智能（AI）工具從數(shù)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(jù)AI搜索算法標記的化學成分，并一次打印數(shù)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。

圖片:4a8daaa606474f64a9912155da11724a.jpg

鈣鈦礦太陽能電池

一種新的電子材料被合成后，其性能的表征通常由領(lǐng)域?qū)＜覀冐撠�，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(fā)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(wěn)定性。第一種算法旨在處理來自高細節(jié)、高光譜圖像的視覺數(shù)據(jù)。第二種算法分析標準RGB圖像，并根據(jù)材質(zhì)顏色隨時間的變化來評估材質(zhì)的穩(wěn)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(wěn)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(chǎn)生了一個可以衡量每個樣本耐久性的指數(shù)。

新算法帶隙和穩(wěn)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(shù)整合到全自動材料篩選系統(tǒng)中，其應用將涵蓋半導體材料的多個領(lǐng)域。