东京大学工业科学研究所的研究人员展示了一种新型人工智能系统，该系统可以在一眨眼的时间内发现并标记显微镜图像中的2D材料。这项工作可以帮助缩短2D基于材料的电子产品准备用于消费设备所需的时间。

单原子厚的晶体家族包括金属、半导体和绝缘体。许多它们在环境条件下是稳定的，它们的特性往往与3D的同比特征有很大不同。即使将几层叠加在一起，也可以改变电子特性，使之适合下一代电池、智能手机屏幕、探测器和太阳能电池。也许更令人惊叹: 你可以利用办公用品给自己做点事.2010年诺贝尔物理学奖颁发，是因为认识到用粘胶带剥离铅笔铅，石墨，可以得到原子薄薄的“石墨烯”。

那么, 是什么让你在开会间隙工作时不生产自己的电子设备 呢 ?不幸的是，原子薄2D晶体的制作产量低，光学对比范围很广，在显微镜下发现晶体是一件单调的工作。

现在，由东京大学领导的一个小组已经成功地利用机器学习实现了这项任务的自动化。使用许多带有各种照明的标签示例来训练计算机探测薄片的轮廓和厚度，而无需对显微镜参数进行微调。第一作者Satoru Masubuchi说：“通过使用机器学习而不是传统的基于规则的检测算法，我们的系统能够适应不断变化的情况。”

该方法适用于许多其他的二维材料，有时不需要任何附加数据。事实上，该算法利用钨二硫氰酸碱实例进行训练，能够检测出钨硫磷和钼晶片的含量。该系统能够在不到200毫秒内确定剥蚀样品的位置和厚度，可与机动光学显微镜相结合。

资深作者Tomoki Machida表示：“2D材料的自动搜索和编目将使研究人员通过剥离和运行自动算法来测试大量的样本。”“这将大大加快基于2D材料的新型电子器件的开发周期，并推动在无长程序的二维超导性和铁磁性的研究。”