Ingenieros de la Universidad de Duke han desarrollado ATOMIC, un microscopio impulsado por inteligencia artificial capaz de realizar análisis de materiales de forma autónoma. Esta innovación promete acelerar la investigación y mejorar la precisión sin necesidad de datos de entrenamiento especializados.
Este otoño, el laboratorio de ingeniería eléctrica e informática de la Universidad de Duke, dirigido por Haozhe “Harry” Wang, presentó un avance revolucionario en tecnología de investigación: un microscopio con inteligencia artificial. Conocida como ATOMIC, acrónimo de Autonomous Technology for Optical Microscopy & Intelligent Characterization (Tecnología Autónoma para Microscopía Óptica y Caracterización Inteligente), esta plataforma busca emular y agilizar las complejas tareas analíticas que suelen realizar estudiantes de posgrado.
«El sistema que hemos creado no solo sigue instrucciones, sino que las comprende», afirmó Wang, profesor adjunto de ingeniería eléctrica e informática, en un comunicado de prensa. «ATOMIC puede analizar una muestra, tomar decisiones por sí mismo y generar resultados tan precisos como los de un experto humano».
Publicado En la revista ACS Nano, este desarrollo marca un avance significativo en la investigación autónoma. Utilizando modelos de IA fundamentales como ChatGPT de OpenAI y el modelo Segment Anything (SAM) de Meta, ATOMIC representa una nueva frontera donde la IA colabora con investigadores humanos para diseñar experimentos, operar instrumentos e interpretar datos.
El equipo de Wang se centra en materiales bidimensionales (2D) con aplicaciones potenciales en semiconductores avanzados, sensores y dispositivos cuánticos. La excepcional conductividad eléctrica y flexibilidad de estos materiales los posicionan como candidatos prometedores para la electrónica de próxima generación.
Sin embargo, los defectos de fabricación pueden anular estos beneficios, lo que exige un análisis meticuloso para identificarlos y corregirlos.
“Para caracterizar estos materiales, normalmente se necesita a alguien que comprenda cada matiz de las imágenes del microscopio”, añadió Wang. “Los estudiantes de posgrado tardan meses o incluso años de clases de ciencias de alto nivel y de experiencia en llegar a ese punto”.
Para agilizar este proceso, el equipo conectó un microscopio óptico estándar a ChatGPT para realizar operaciones básicas como el movimiento de la muestra, el enfoque de la imagen y los ajustes de luz. Posteriormente, integraron SAM para diferenciar regiones dentro de las imágenes, como áreas con defectos o secciones intactas.
La colaboración entre estos modelos de IA creó una potente herramienta de laboratorio, capaz de realizar acciones y tomar decisiones de forma independiente.
Sin embargo, convertir una IA general en un socio científico especializado requirió una personalización sustancial. SAM, por ejemplo, inicialmente tuvo dificultades con las capas superpuestas, un problema bastante común en la investigación de materiales. El equipo lo solucionó añadiendo un algoritmo de corrección topológica para distinguir entre regiones de una sola capa y de varias capas.
El sistema también clasificó regiones aisladas según sus propiedades ópticas, todo ello gestionado de forma autónoma por ChatGPT. El rendimiento fue asombroso: ATOMIC identificó regiones de capas y defectos mínimos con una precisión de hasta el 99.4 %, incluso en condiciones de imagen subóptimas, como un enfoque deficiente o poca luz.
«El modelo puede detectar límites de grano a escalas que el ojo humano no puede percibir fácilmente», añadió la primera autora, Jingyun «Jolene» Yang, estudiante de doctorado en el laboratorio de Wang. «Sin embargo, no es magia. Al ampliar la imagen, ATOMIC puede observar a nivel de píxel, lo que lo convierte en una herramienta valiosa para nuestro laboratorio».
Esta capacidad permite al equipo identificar regiones de materiales de alta calidad para futuras investigaciones, incluyendo robótica blanda y electrónica de última generación. La adaptabilidad del sistema se debe al uso de inteligencia preexistente proveniente de modelos base, lo que evita la necesidad de los extensos datos de entrenamiento especializados que suelen requerir los enfoques tradicionales de aprendizaje profundo.
Mediante la integración de estos sistemas avanzados de IA, el equipo de ingeniería de Duke prevé un futuro en el que se difumine la línea entre la experiencia humana y la inteligencia artificial, acelerando significativamente el descubrimiento científico y la innovación.
Fuente: Escuela de Ingeniería Duke Pratt