近期，中國科學院上海光學精密機械研究所空天激光技術與系統部王俊研究員團隊，在過渡金屬硫化物單晶樣品的智能檢測與識別方面取得進展，相關論文以“Identification of triangular single crystals of transition metal dichalcogenides based on the detection algorithm”為題發表于Optics Letters。
 

　　圖1. 基于目標檢測算法的過渡金屬硫化物三角單晶樣品的檢測過程示意圖，以MoS2為例。

 

　　自石墨烯發現以來，新型原子級薄二維材料不斷涌現，二維材料家族逐年穩步擴大。以過渡金屬硫化物為代表的二維家族，有望通過與Si、LiNiO3、Si3N4等光子平臺的集成來實現多種高性能的光電器件，從而構建功能齊全的異構片上光子系統。在將二維材料引入這些平臺之前，必須建立能夠對大量薄片進行分類并評估其結構特征的高通量檢測程序。因此，為了滿足未來高性能系統級芯片應用的實際需求，迫切需要開發有效的解決方案來快速、準確地檢測和識別大量的二維材料。
 

　　研究團隊提出了一種級聯數字圖像處理和深度學習算法的檢測模型，旨在區分和表征四種常見過渡金屬硫化物的三角單晶樣品，包括對MoS2、MoSe2、WS2和WSe2的定位和識別。研究人員分別在鹵素燈和470 nm LED光源的照明條件下，拍攝了在藍寶石襯底上通過化學氣相沉積制備的四種樣品的光學圖像，建立了兩類不同成像條件下的訓練集。通過白平衡校正、降噪和圖像增強等過程得到調整后的訓練集，然后將其應用于預訓練得到的檢測模型中，最終通過遷移學習得到了解決這一問題的檢測模型。在測試集上對訓練得到的模型進行驗證，成功實現了不同類型樣品的區分和單個三角單晶樣品的精確定位，具有可靠的準確性和高度的魯棒性。該人工智能光學檢測方法作為強大的數據驅動工具，顯著提高了表征效率和識別準確率，有望推動二維材料研究工作的進步和器件應用的發展。
 

　　本工作得到了國家自然科學基金、中國科學院的項目支持。