详细内容或原文请订阅后点击阅览
新的计算机视觉方法有助于加快电子材料的筛选
该技术表征材料电子特性的速度比传统方法快 85 倍。
来源:MIT新闻 - 人工智能提高太阳能电池、晶体管、LED 和电池的性能需要更好的电子材料，这些材料由尚未发现的新型成分制成。
为了加快对先进功能材料的搜索，科学家们正在使用 AI 工具从数亿种化学配方中识别有前途的材料。与此同时，工程师们正在制造能够根据 AI 搜索算法标记的化学成分一次打印数百个材料样品的机器。
但到目前为止，还没有类似的快速方法来确认这些印刷材料的性能是否符合预期。材料表征的最后一步一直是先进材料筛选流程的主要瓶颈。
现在，麻省理工学院工程师开发的一种新型计算机视觉技术大大加快了新合成电子材料的表征速度。该技术自动分析印刷半导体样品的图像，并快速估算每个样品的两个关键电子特性：带隙（电子活化能的量度）和稳定性（寿命的量度）。
与标准基准方法相比，新技术可以以快 85 倍的速度准确表征电子材料。
研究人员打算使用该技术加快寻找有前景的太阳能电池材料的速度。 他们还计划将该技术纳入全自动材料筛选系统。
“最终，我们设想将这项技术融入未来的自主实验室，”麻省理工学院研究生 Eunice Aissi 说。 “整个系统将允许我们向计算机提出材料问题，让它预测潜在的化合物，然后全天候运行，制造和表征这些预测的材料，直到它得到所需的解决方案。”
今天发表的研究 自然通讯光学中的力量
光学中的力量第一个算法旨在处理来自高度详细的高光谱图像的视觉数据。
材料成分