自适应 AI 驱动的材料合成：面向自主 2D 材料生长
介观与纳米尺度物理
2025-07-08 v2 材料科学
机器学习
摘要
二维材料被视为 revolutionize 当前固态技术的关键材料，因其卓越的性能。然而，其可规模化生产的首要挑战仍未解决。虽然取得了显著进展，但大部分科学进步仍依赖于材料的剥离技术，这种方法对于大规模应用存在严重挑战。随着人工智能 (AI) 在材料科学中的应用，创新的合成方法正逐步浮现。本研究探讨了利用人工神经网络 (ANN) 通过进化方法进行自主材料合成的最新技术，专注于高效制备石墨烯。我们的方法表明，神经网络能够在不依赖预先学习有效配方的情况下，迭代式地自主学习石墨烯高效生长的时间依赖协议。评估标准基于拉曼特征信号与单层石墨烯特征信号的接近程度：即得分越高，表明其光谱越接近理想连续单层结构的特征。这种反馈机制使 ANN 的时间依赖合成协议能够不断精炼，逐步提高样品质量。通过 AI 方法的不断进步与应用，本工作为材料工程领域作出了重要贡献，推动了合成过程创新与效率提升的新时代。
引用
@article{arxiv.2410.10885,
title = {Adaptive AI-Driven Material Synthesis: Towards Autonomous 2D Materials Growth},
author = {Leonardo Sabattini and Annalisa Coriolano and Corneel Casert and Stiven Forti and Edward S. Barnard and Fabio Beltram and Massimiliano Pontil and Stephen Whitelam and Camilla Coletti and Antonio Rossi},
journal= {arXiv preprint arXiv:2410.10885},
year = {2025}
}