运用计算机视觉新方法——电子材料筛选速度提升八十五倍

发布时间:2024-06-12  

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。


文章来源于:电子工程世界    原文链接
本站所有转载文章系出于传递更多信息之目的,且明确注明来源,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

我们与500+贴片厂合作,完美满足客户的定制需求。为品牌提供定制化的推广方案、专属产品特色页,多渠道推广,SEM/SEO精准营销以及与公众号的联合推广...详细>>

利用葫芦芯平台的卓越技术服务和新产品推广能力,原厂代理能轻松打入消费物联网(IOT)、信息与通信(ICT)、汽车及新能源汽车、工业自动化及工业物联网、装备及功率电子...详细>>

充分利用其强大的电子元器件采购流量,创新性地为这些物料提供了一个全新的窗口。我们的高效数字营销技术,不仅可以助你轻松识别与连接到需求方,更能够极大地提高“闲置物料”的处理能力,通过葫芦芯平台...详细>>

我们的目标很明确:构建一个全方位的半导体产业生态系统。成为一家全球领先的半导体互联网生态公司。目前,我们已成功打造了智能汽车、智能家居、大健康医疗、机器人和材料等五大生态领域。更为重要的是...详细>>

我们深知加工与定制类服务商的价值和重要性,因此,我们倾力为您提供最顶尖的营销资源。在我们的平台上,您可以直接接触到100万的研发工程师和采购工程师,以及10万的活跃客户群体...详细>>

凭借我们强大的专业流量和尖端的互联网数字营销技术,我们承诺为原厂提供免费的产品资料推广服务。无论是最新的资讯、技术动态还是创新产品,都可以通过我们的平台迅速传达给目标客户...详细>>

我们不止于将线索转化为潜在客户。葫芦芯平台致力于形成业务闭环,从引流、宣传到最终销售,全程跟进,确保每一个potential lead都得到妥善处理,从而大幅提高转化率。不仅如此...详细>>