近日，中國(guó)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(shí)別和物性檢測(cè)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(píng)論》（Laser & Photonics Reviews）。

　　自從發(fā)現(xiàn)石墨烯以來(lái)，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(duì)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(guò)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(shí)，并且受個(gè)人經(jīng)驗(yàn)和主觀因素影響較大。

　　近年來(lái)，人工智能改變了現(xiàn)代社會(huì)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(guò)收集和分析數(shù)據(jù)以預(yù)測(cè)復(fù)雜系統(tǒng)的行為并建立解決問(wèn)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(lái)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(shí)別高通量和實(shí)時(shí)性要求的簡(jiǎn)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(duì)自動(dòng)光學(xué)識(shí)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(tái)間測(cè)試數(shù)據(jù)誤差帶來(lái)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(wú)損的測(cè)量方法和標(biāo)準(zhǔn)，進(jìn)而有力推動(dòng)了二維材料的工業(yè)級(jí)應(yīng)用落地。

　　該文章系統(tǒng)總結(jié)了傳統(tǒng)光學(xué)技術(shù)與機(jī)器學(xué)習(xí)算法深度融合面臨的發(fā)展機(jī)遇與難題，提出檢測(cè)對(duì)象的多樣性、物理性質(zhì)的差異性、測(cè)試環(huán)境的不穩(wěn)定性、光學(xué)技術(shù)的易干擾性和相關(guān)算法的準(zhǔn)確性對(duì)跨實(shí)驗(yàn)室標(biāo)準(zhǔn)制定帶來(lái)的潛在風(fēng)險(xiǎn)與挑戰(zhàn)。機(jī)器學(xué)習(xí)算法將對(duì)二維材料厚度測(cè)定的傳統(tǒng)研究方法帶來(lái)深刻變化，將人工勞動(dòng)從現(xiàn)有的繁瑣材料表征過(guò)程中逐漸解放出來(lái)，有助于推動(dòng)研究的快速發(fā)展，逐步走向?qū)嶋H應(yīng)用。

　　論文鏈接 

機(jī)器學(xué)習(xí)算法賦能二維材料識(shí)別和檢測(cè)