مع التقدم السريع في استخدام الذكاء الاصطناعي (Artificial Intelligence) في تشخيص المواد، يواجه العلماء تحديات جديدة في كيفية تحليل الصور الناتجة عن المجاهر الإلكترونية. غالبًا ما يكون التركيز على تباين الصورة فقط، مما يغفل السياق الكيميائي والتجريبي الذي يؤثر على تكون الصورة.

تحت هذه الظروف، يصبح تصنيف العيوب عملية غامضة، حيث يُمكن للصور ذات التباين المماثل أن تظهر نتيجة لظروف تصوير أو مواد مختلفة. لذا، تم تطوير إطار عمل حديث يدمج بين تباين الصور وبيانات السياق، مثل التركيب الكيميائي والطاقة الشعاعية وهندسة الكاشف.

تتضمن الدراسة بناء مجموعة بيانات متكاملة تحتوي على حوالي 55 مليون عينة محاكاة تغطي 576 حالة من ثنائيات الكبريتيد ثنائي المعدن (Doped Monolayer Transition-Metal Dichalcogenides). عبر تحسين تصنيف العيوب من خلال متغيرات السياق، أظهرت النتائج أننا نستطيع تحويل مهمة تصنيف العيوب، التي كانت تبدو غير جيدة التصميم، إلى مشكلة مثبتة تعتمد على الفيزياء.

تحقق هذا الإطار الجديد دقة تزيد عن 98% مع البيانات التجريبية وتحقيق الاتفاق مع تقييمات البشر بنسبة 94% في تقليل الشبكات المرتبطة بالطاقة المتأخرة. من خلال التركيز على أساسيات السياق الكيميائي بدلاً من التعقيد المعماري، يُعزز هذا النهج العلاقة بين التباين التجريبي والظروف الكيمائية، مما يدعم تصنيف العيوب الدقيق ويمهد الطريق نحو نماذج ذكاء اصطناعي متعددة الأنماط.

البحث الجديد يفتح آفاقًا جديدة لاستخدام الذكاء الاصطناعي في تشخيص المواد، محققًا خطوات كبيرة نحو مستقبل من التحليل الآلي الدقيق. ما رأيكم في هذه التطورات؟ دعونا نعرف آراءكم في التعليقات.