آزمایشگاه و هوش مصنوعی

آزمایشگاه و هوش مصنوعی

سیستم جدید ، با نام DeepSPM ، شکاف بین علوم نانو ، اتوماسیون و هوش مصنوعی را در آزمایشگاه از بین می برد

و استفاده از یادگیری ماشین را برای تحقیقات علمی تجربی کاملاً برقرار می کند.

دکتر آگستین شیفرین (دانشگاه موناش) می گوید:

“بهینه سازی دستیابی به اطلاعات SPM می تواند بسیار خسته کننده باشد.

این روند بهینه سازی معمولاً توسط متخصص انسان انجام می شود و به ندرت گزارش می شود.”

“سیستم جدید مبتنی بر هوش مصنوعی ما می تواند داده های بهینه SPM را به صورت مستقل ،

برای چند روز مستقیم و بدون نظارت انسانی به کار ببرد و به دست آورد.”

این سیستم در آزمایشگاه چگونه کار می کند؟

رویکرد یادگیری عمیق جدید را می توان با سایر تکنیک های SPM تعمیم داد.

محققان ، کلیه چارچوب را بصورت آنلاین و به صورت منبع آزاد در دسترس عموم قرار داده اند

و منبع مهمی را برای جامعه تحقیقاتی علوم نانو ایجاد کرده اند.

دکتر کرنلیوس کرول ، مدیر پروژه می گوید:

“موفقیت در DeepSPM استفاده از یک عامل خودآموزی است ، زیرا ورودی های کنترل صحیح از قبل مشخص نیستند.”

دکتر کرول ، که با دکتر شیفرین در دانشکده فیزیک و نجوم همکاری می کند ، می گوید: “ما از تجربه یاد می گیریم.

سیستم  مبتنی بر هوش مصنوعی با جستجوی الگوریتمی بهترین مناطق نمونه شروع می شود

و با دستیابی به اطلاعات خودمختار پیش می رود.

سپس برای ارزیابی کیفیت داده ها از یک شبکه عصبی حلقوی استفاده می کند.

اگر کیفیت داده ها مناسب نباشد ، DeepSPM از یک عامل یادگیری تقویت کننده عمیق برای بهبود وضعیت کاوشگر استفاده می کند.

DeepSPM می تواند چندین روز اجرا شود ،

داده ها را به طور مداوم بدست می آورد و پردازش می کند ، در حالی که مدیریت پارامترهای SPM در پاسخ به شرایط آزمایشی مختلف ، بدون هیچ گونه نظارت صورت می پذیرد.

 

  • برگشت به مقالات
ارسال نظر

آدرس ایمیل شما منتشر نخواهد شد.

برچسب ها