转向自主实验：用机器学习生长薄膜

从手机到太阳能电池板再到量子计算机，薄膜对当前和新兴技术至关重要。但制造功能薄膜需要控制。在长达数小时的过程中，薄膜一个原子一个原子地形成。数据读数的微小变化可以告诉研究人员什么时候出了问题。尽快检测缺陷可能有助于科学家在胶片生长过程中修复胶片，节省时间和金钱

太平洋西北国家实验室（PNNL）的研究人员正在使用机器学习（ML）来识别人类无法察觉的生长薄膜中的细微变化，这在《真空科学与技术杂志a》上发表的一篇论文中进行了详细介绍。他们的机器学习程序可以比人类专家更快地确定薄膜生长数据中出现的差异，这是开发自主实验的重要第一步，这些仪器可以在没有额外人工输入的情况下做出基于数据的决策

“我们正在做的是找到一种让机器学习为我们服务的方法，”PNNL的材料科学家、该项目的首席研究员Tiffany Kaspar说。“要做出真正影响胶片生长的改变，每一秒都很重要。通常，当我们注意到出现问题时，修复胶片已经太晚了。随着我们用更多数据训练机器学习程序，它应该更善于发现变化。”

这项工作是材料科学家和数据科学家之间的合作。该倡议汇集了来自不同领域的科学家，共同开发实现自主材料科学所需的硬件、软件和仪器知识

RHAAPsody in films

该项目始于成长型电影。该团队选择二氧化钛作为他们的模型系统，因为它将简单性和复杂性完美地结合在一起。根据生长条件，材料可以形成几种不同的潜在结构

生长的薄膜是逐个原子沉积的，太薄了，肉眼看不见。相反，该团队收集了每秒捕获一次的电子束衍射图像，以可视化生长薄膜的结构。捕获的图像显示了与薄膜晶体结构和表面形貌特征相对应的条纹、斑点和其他图案

传统上，人类会观察这些图案来跟踪电影朝向理想光滑表面、有问题的粗糙表面或完全无意的结构的进展。现在，使用ML方法，计算机可以自动执行这些任务

领导机器学习开发工作的Sarah Akers说：“事实证明，使用电影数据非常具有挑战性。我们惊讶地发现，社区中可用于训练我们的机器学习模型的数据如此之少。我们计划让其他人访问我们的数据，以期加速更多的创新。”

太平洋西北国家实验室的研究人员正在开发人工智能工具，以加快材料生长实验的步伐，并最终设计下一代材料。来源：Eric Francavilla的视频|太平洋西北国家实验室

科学家们将机器学习过程称为RHAAPsody，首先将仪器测量值转换为一种数据格式，使机器学习算法更容易用于复杂但快速的分析。然后，该算法会寻找事情开始变化的点，将数据从一秒到下一秒进行比较。然后，程序会标记这些“变化点”。该团队努力确定如何清晰地表示数据以显示变化

除了标记变化外，额外的基于图形的分析可以帮助研究人员可视化电影的演变，从而更深入地了解电影生长过程本身

与超过100000名依赖Phys.org获取日常见解的订阅者一起探索科学、技术和太空的最新进展。注册我们的免费时事通讯，每天或每周获取重要突破、创新和研究的最新进展

未来实验室的自主实验

为了测试RHAAPsody，该团队让一名薄膜生长研究人员观察相同的二氧化钛沉积数据，并确定他们何时看到图像的变化。RHAAPsody不仅像专家一样找到了变化点，而且标记速度快了大约一分钟

Kaspar说：“检测时间的改进对于在我们的系统中开发实时反馈来说是巨大的。”

该项目的最终目标是创建一个完全自主的电影生长系统。在下一阶段，该仪器将寻求识别薄膜结构何时开始朝着错误的方向发展，并调整生长条件以抵消这一问题。这种持续的监测和主动缺陷缓解将建立在团队开发的仪器、计算机硬件和软件之间的连接之上。互联系统将采用新的预测控制算法，这是最终自主实验的关键组成部分

RHAAPsody代表着朝着这个自主仪器迈出的关键一步。阿克斯说：“在做出决定之前，你必须知道分支点是什么时候。”

该团队正在开发流程的下一部分——使用数据和机器学习流程来改变增长条件

卡斯帕说：“可能性是无限的。”。“想象一下，将一台自主仪器与人工智能驱动的材料预测相结合，产生某种我们现在不知道如何生长的野生材料。这个过程并不完美，但机会令人兴奋。”