デューク大学のエンジニアたちは、自律的に材料分析が可能なAI駆動型顕微鏡「ATOMIC」を開発しました。この革新的な技術は、特別な学習データなしで研究を加速し、精度を向上させることが期待されます。
この秋、デューク大学の電気・コンピュータ工学研究室（Haozhe “Harry” Wang氏が率いる）は、研究技術における画期的な成果、AI搭載顕微鏡を発表しました。ATOMIC（Autonomous Technology for Optical Microscopy & Intelligent Characterization：光学顕微鏡とインテリジェント特性評価のための自律技術）と呼ばれるこのプラットフォームは、訓練を受けた大学院生が通常行う複雑な分析タスクを模倣し、迅速化することを目的としています。
「私たちが構築したシステムは、単に指示に従うだけでなく、それを理解します」と、電気・コンピュータ工学助教授のワン氏はニュースリリースで述べています。「ATOMICはサンプルを評価し、自ら判断を下し、人間の専門家と同等の結果を出すことができます。」
掲載 ACS Nano誌に掲載されたこの開発は、自律研究における大きな進歩を示すものです。OpenAIのChatGPTやMetaのSegment Anything Model（SAM）といった基礎AIモデルを活用したATOMICは、AIが人間の研究者と連携して実験の設計、機器の操作、データの解釈を行う新たな領域を切り開きます。
王氏のチームは、先端半導体、センサー、量子デバイスへの応用が期待される二次元（2D）材料に焦点を当てています。これらの材料は、その優れた導電性と柔軟性により、次世代エレクトロニクスの有望な候補材料として位置付けられています。
ただし、製造上の欠陥によりこれらの利点が打ち消される可能性があり、それを特定して修正するには綿密な分析が必要になります。
「これらの物質の特性を明らかにするには、通常、顕微鏡画像のあらゆるニュアンスを理解できる人材が必要です」とワン氏は付け加えた。「大学院生がそこまで到達するには、高度な科学の授業と経験を何ヶ月も何年もかけて学ぶ必要があります。」
このプロセスを効率化するため、研究チームは標準的な光学顕微鏡をChatGPTに接続し、サンプルの移動、画像のフォーカス、光の調整といった基本操作を実行しました。その後、SAMを統合し、画像内の欠陥領域や健全な部分など、領域を区別できるようにしました。
これらの AI モデル間の連携により、独立したアクションと意思決定が可能な強力な実験ツールが誕生しました。
しかし、汎用AIを専門分野の科学パートナーへと進化させるには、大幅なカスタマイズが必要でした。例えばSAMは当初、材料研究において珍しくない問題である重なり合う層の処理に苦労していました。研究チームは、単層領域と多層領域を区別するための位相補正アルゴリズムを追加することで、この問題を解決しました。
このシステムは、光学特性に基づいて孤立領域を分類する処理も行いました。これらはすべてChatGPTによって自律的に処理されました。そのパフォーマンスは驚異的で、ATOMICは、焦点が合っていない、あるいは光量が不足しているといった、最適ではない撮像条件下でも、層領域と微細な欠陥を最大99.4%の精度で識別しました。
「このモデルは、人間が容易には見ることのできないスケールの粒界を検出できました」と、王研究室の博士課程学生で筆頭著者のジンユン・“ジョリーン”・ヤン氏は付け加えた。「しかし、これは魔法ではありません。ズームインすると、ATOMICはピクセル単位のレベルで見ることができるため、私たちの研究室にとって非常に役立つツールとなっています。」
この機能により、チームはソフトロボティクスや次世代エレクトロニクスといった更なる研究に向けて、高品質な材料領域を正確に特定することが可能になります。このシステムの適応性は、基盤モデルに蓄積された既存のインテリジェンスを活用することで実現しており、従来のディープラーニング手法では通常必要とされる、膨大な専門的トレーニングデータを必要としません。
デューク大学のエンジニアリング チームは、このような高度な AI システムを統合することで、人間の専門知識と機械知能の境界が曖昧になり、科学的発見と革新が大幅に加速する未来を思い描いています。
出典： デューク大学プラット工学部