近日，中國科學(xué)院上海光學(xué)精密機(jī)械研究所研究員王俊團(tuán)隊(duì)在基于機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)二維材料層數(shù)識別和物性檢測方面取得進(jìn)展，相關(guān)文章以Thickness Determination of Ultrathin 2D Materials Empowered by Machine Learning Algorithms為題發(fā)表于《激光與光子學(xué)評論》（Laser & Photonics Reviews）。 x$[<<@F%  
G{

pfyfF  
自從發(fā)現(xiàn)石墨烯以來，大量新型二維層狀材料逐漸被發(fā)現(xiàn)和制備，目前已成為涵蓋絕緣體、拓?fù)浣^緣體、半導(dǎo)體、半金屬到超導(dǎo)體的龐大家族。通常，二維材料的層數(shù)對于調(diào)節(jié)納米電子和光電器件的性能具有重要意義，在實(shí)現(xiàn)進(jìn)一步的物理研究或器件制造之前，往往需要確定目標(biāo)樣品的最佳厚度。目前，通過光學(xué)技術(shù)獲得光學(xué)圖像或光譜信息后，后續(xù)的數(shù)據(jù)處理往往依賴研究人員的專業(yè)知識，并且受個(gè)人經(jīng)驗(yàn)和主觀因素影響較大。 qb]n{b2  
{W)Kz_  
\A6MVMF8  
近年來，人工智能改變了現(xiàn)代社會的諸多方面，作為其最重要的子領(lǐng)域，機(jī)器學(xué)習(xí)通過收集和分析數(shù)據(jù)以預(yù)測復(fù)雜系統(tǒng)的行為并建立解決問題的模型，為物理、化學(xué)、材料科學(xué)等傳統(tǒng)研究領(lǐng)域帶來了新的發(fā)展機(jī)遇和解決方案。例如光學(xué)圖像作為實(shí)驗(yàn)室中最容易獲取的數(shù)據(jù)集，是解決圖層識別高通量和實(shí)時(shí)性要求的簡單方法，機(jī)器學(xué)習(xí)算法可以提取圖像中的基本特征并建立決策模型，同時(shí)較好地適用于不同的光學(xué)系統(tǒng)，以滿足不同用戶對自動光學(xué)識別和表征的要求。除了光學(xué)圖像，機(jī)器學(xué)習(xí)算法還可以準(zhǔn)確高效地分析光譜數(shù)據(jù)，這不僅可以利用光譜特征信息快速得到所需的樣品厚度，還可以從材料本秉特性出發(fā)，有效解決不同實(shí)驗(yàn)平臺間測試數(shù)據(jù)誤差帶來的不利影響。更為重要的是，這些機(jī)器學(xué)習(xí)算法賦能的光學(xué)解決方案顯著促進(jìn)了建立從數(shù)據(jù)出發(fā)的統(tǒng)一、快速、低成本、無損的測量方法和標(biāo)準(zhǔn)，進(jìn)而有力推動了二維材料的工業(yè)級應(yīng)用落地。 1j`-lD  
ug.mY=