半导体材料科学中的人工通用智能（AGI）火花：基于生成式AI的电子显微图像分析的早期探索
计算机视觉与模式识别
2024-09-20 v1 人工智能
机器学习
摘要
characterize 材料的电子显微图在自动化标注方面面临着显著挑战 due to 纳米材料结构的复杂性。为此，我们引入了一个完全自动化、端到端的管道，利用最近的生成式AI技术。该管道旨在有效地分析和理解半导体材料的微观结构，效果相当于人类专家，从而推动人工通用智能（AGI）在纳米材料识别中的发展。我们的方法利用大型多模态模型（LMM）如GPT-4V，以及类似DALLE-3的文本到图像模型。我们集成了GPT-4引导的视觉问答（VQA）方法来分析纳米材料图像、生成通过DALLE-3生成的合成纳米材料图像，并在GPT-4V中利用少量样本提示进行情境学习，以实现对纳米材料的准确识别。我们的方法超越了传统技术，通过提高纳米材料识别的精度并优化高通量筛选过程。
引用
@article{arxiv.2409.12244,
title = {Sparks of Artificial General Intelligence(AGI) in Semiconductor Material Science: Early Explorations into the Next Frontier of Generative AI-Assisted Electron Micrograph Analysis},
author = {Sakhinana Sagar Srinivas and Geethan Sannidhi and Sreeja Gangasani and Chidaksh Ravuru and Venkataramana Runkana},
journal= {arXiv preprint arXiv:2409.12244},
year = {2024}
}
备注
Published at Deployable AI (DAI) Workshop at AAAI-2024