Con el inicio de la cuarta revolución industrial, La inteligencia artificial se ha utilizado recientemente en cámaras de teléfonos inteligentes. proporcionando funciones como el enfoque automático, Reconocimiento facial, y zoom de 100x, para mejorar drásticamente nuestra vida diaria. También se ha aplicado a la investigación y desarrollo de nuevos materiales.

Un equipo de investigación conjunto de POSTECH y el Instituto Coreano de Ciencia de Materiales (KIMS) ha aplicado el aprendizaje profundo al sistema de microscopía electrónica de barrido (SEM) para desarrollar una técnica que puede detectar y mejorar la calidad de las imágenes SEM sin supervisión humana. El EMS es un equipo de análisis de materiales esencial que se utiliza para desarrollar nuevos materiales. Los hallazgos de esta investigación se publicaron recientemente en Acta Materialia , la revista más autorizada en el campo de los materiales metálicos.

El SEM es uno de los tipos más avanzados de equipos de análisis de materiales, crucial para investigar la correlación entre lo microestructural y lo físico, químico, y propiedades mecánicas de los materiales al proporcionar sus datos de imagen microestructurales. Sin embargo, para obtener una alta calidad, imágenes SEM claras, el operador debe estar altamente capacitado para maniobrar el sistema con alta precisión; de lo contrario, puede dar lugar a imágenes microscópicas de baja calidad. Es necesario mejorar la calidad de estas imágenes porque afectan directamente a los procesos de análisis de material posteriores.

A esto, El equipo de investigación conjunto desarrolló un método de reenfoque basado en el aprendizaje profundo que detecta automáticamente y mejora la calidad de las imágenes microscópicas. Esta tecnología se basa en una red neuronal profunda de múltiples escalas y demostró que la calidad de la imagen se puede mejorar en configuraciones ciegas sin ningún conocimiento previo o suposiciones del grado de desenfoque en el nivel de degradación de la imagen. Además, Los investigadores también propusieron una técnica para entrenar a la red para aprender no solo cómo sino también dónde reenfocar en imágenes desenfocadas no uniformemente. acercándose un paso más a la comercialización de equipos de análisis de materiales basados ​​en IA.

"Esperamos que el costo y el tiempo de desarrollo de nuevos materiales se reduzcan mediante la automatización del proceso de obtención de imágenes SEM de la microscopía electrónica de barrido, que se utiliza ampliamente para la investigación y el desarrollo de nuevos materiales, "comentó el profesor Seungchul Lee, quien dirigió el estudio.