对于大学研究实验室的本科生助理来说，最乏味、最令人望而生畏的任务之一就是通过显微镜连续数小时观察材料样本，试图找到单分子膜。

这些二维材料，其宽度小于人类头发1/100000，因其独特的特性，在电子、光电子和光电子设备中得到了广泛的应用。

罗切斯特大学光学助理教授杰米·卡德纳斯（Jaime Cardenas）说：“研究实验室雇佣大批本科生，除了寻找单层膜外，什么都不做。”。“这很乏味，如果你累了，你可能会错过一些单分子膜，或者你可能会开始误认。”

即使完成了所有这些工作，实验室也必须用昂贵的拉曼光谱或原子力显微镜对材料进行双重检查。

卡德纳斯实验室的博士生Jesús sánchez Juárez让那些在检测单层膜方面遇到类似困难的本科生、他们的研究实验室以及公司的生活变得更加轻松。

图1，研究人员可以使用一种新的系统，在大约9分钟内处理100幅覆盖1cm x 1cm大小样本的图像，该新系统极大简化了实验室中通常繁琐的单分子层搜索过程。来源：罗切斯特大学照片/J.Adam Fenster。

这项突破性的技术发表在《Optical Materials Express》上，是一种自动扫描设备，它可以检测单分子膜，准确率高达99.9%，超过迄今为止的任何其他方法。具有三大优点：成本低，用时短，有现成的材料。

该论文的主要作者桑切斯·华雷斯（Sánchez Juárez）表示：“主要目标之一是开发一个预算非常小的系统，这样学生和实验室就可以复制这些方法，而不必为了购买必要的设备而投资数千美元。”。

这里，他创建的设备可以用带有 5x 显微物镜和低成本 OEM（原始设备制造商）相机的廉价显微镜进行复制。

人工智能神经网络的创造性自适应

“我们非常激动，”卡德纳斯说。“Jesús在这里做了一些新的和不同的事情，以一种新颖的方式应用人工智能来解决2D材料使用中的一个主要问题。” 许多实验室试图通过训练人工智能（AI）神经网络来扫描单分子膜，从而消除昂贵的备份表征测试的需要。卡德纳斯说，大多数尝试过这种方法的实验室都试图从头开始构建网络，这需要大量时间。

相反，桑切斯·华雷斯（Sánchez Juárez）从一个名为AlexNet的公开神经网络开始，该网络已经经过训练，可以识别物体。然后，他开发了一种新的工艺，可以反转材质的图像，使原始图像上亮的部分变为黑色，反之亦然。反转后的图像经过额外的处理步骤，在这一点上，这些图像“在人眼看来一点都不好看，但对于计算机来说，可以更容易地将单层从它们沉积的基底上分离出来。 总结来说，与本科生漫长而乏味的扫描时间相比，桑切斯·华雷斯的系统可以在9分钟内处理100幅图像，覆盖1 cm x 1 cm大小的样本，准确率接近100%。

桑切斯·华雷斯（Sánchez Juárez）在论文中写道：“我们的演示大大缩短了加工时间，为研究和工业环境中使用的单层材料的自动化生产铺平了道路。”。应用将包括适用于光电探测器的2D材料、激子发光器件（LED）、激光器、自旋谷电流的光学产生、单光子发射和调制器。

新闻链接 原文链接