- 我的订阅
- 情感
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
电子材料筛选速度提升八十五倍
本文转自：科技日报
运用计算机视觉新方法——
电子材料筛选速度提升八十五倍
【总编辑圈点】
科技日报北京6月11日电 （记者张佳欣）据11日《自然·通讯》杂志报道，美国麻省理工学院工程师开发的一种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图像，并快速估计每个样品的两个关键电子属性：带隙（衡量电子激活能的指标）和稳定性（衡量寿命的指标）。这项新技术对电子材料的准确表征比传统方法提升了85倍。
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。科学家正在使用人工智能（AI）工具从数亿种化学配方中识别有前途的材料。与此同时，工程师正在建造可以根据AI搜索算法标记的化学成分，并一次打印数百个材料样本的机器。但是，材料表征的最后一步一直是先进材料筛选过程中的主要瓶颈。
一种新的电子材料被合成后，其性能的表征通常由领域专家们负责，他们每小时表征约20个材料样本，这种手动过程很精确，但也很耗时。
于是，团队开发了两种新的计算机视觉算法来自动解释电子材料图像：一种用于估计带隙，另一种用于确定稳定性。第一种算法旨在处理来自高细节、高光谱图像的视觉数据。第二种算法分析标准RGB图像，并根据材质颜色随时间的变化来评估材质的稳定性。
该团队应用这两种新算法对大约70个印刷半导体样品的带隙和稳定性进行了表征。这些样品含有不同成分比例的钙钛矿。运用一种算法， 整个带隙提取过程约需6分钟。另一种算法还产生了一个可以衡量每个样本耐久性的指数。
新算法带隙和稳定性的测量准确率分别为98.5%和96.9%，与专家的手动测量相比速度快85倍。
研究人员计划将这项技术整合到全自动材料筛选系统中，其应用将涵盖半导体材料的多个领域。
提速的意义是什么？简言之，是加速电子材料发现与优化进程上的一次飞跃。这项技术不仅简化了繁琐的材料表征流程，更是在根本上缩短了新材料从实验室到实际应用的时间，加速了材料科学的进展。从长远角度看，这次提速，也促使太阳能电池、晶体管、LED及电池等技术加速提升其性能。
以上内容为资讯信息快照，由td.fyun.cc爬虫进行采集并收录，本站未对信息做任何修改，信息内容不代表本站立场。
快照生成时间：2024-06-12 05:45:01
本站信息快照查询为非营利公共服务，如有侵权请联系我们进行删除。
信息原文地址：
