由单层原子组成的二维材料表现出不同寻常的特性，可用于广泛的量子和微电子系统。但真正让他们与众不同的是他们的缺陷。“这就是他们真正的魔力所在，”能源部劳伦斯伯克利国家实验室（伯克利实验室）的亚历山大韦伯-巴乔尼说。低至原子水平的缺陷可以影响材料的宏观功能并导致新的量子行为，而且缺陷种类繁多，以至于研究人员几乎还没有开始了解其中的可能性。该领域最大的挑战之一是系统地研究相关尺度或原子分辨率的这些缺陷。

人工智能提出了一条前进的道路。伯克利实验室的研究人员最近推出了一种新的、快速且易于重现的方法来绘制和识别二维材料中的缺陷。它使用卷积神经网络（人工智能的一种应用）来快速分析来自自主实验的数据，近年来已成为对这些奇异材料进行成像的强大工具。

“缺陷可以有利地使用，或者它们可能导致材料的宏观功能出现问题，”伯克利实验室美国能源部科学办公室用户设施分子铸造厂 Weber-Bargioni 小组的博士后研究员约翰·托马斯说这项研究是在哪里进行的。托马斯设计了将人工智能与自主发现相结合的方法。“这种组合为我们提供了一种筛选和测量缺陷的好方法，”他说。该方法可以显着减少表征二维材料并将其用于下一代量子和电子设备所需的时间。科学家们在 npj Computational Materials 上发表的一篇论文中报告了他们的研究。

几十年来，了解固体的量子特性使突破性技术成为可能，例如晶体管和激光。现在，随着科学家追求利用量子信息科学的其他应用，例如量子传感和计算，更好地理解固体中称为量子相干性的现象至关重要。这是材料量子相干新途径中心 (NPQC) 的重点，该中心是由伯克利实验室领导的能源前沿研究中心 (EFRC)。该中心的目标是显着提高科学家对固体相干性的理解和控制，这可能会带来新的设备和应用。这项工作的很大一部分是研究材料的微小缺陷。

在这项由 NPQC EFRC 支持的特定研究中，作为 EFRC 的联合 PI 的 Thomas 和 Weber-Bargioni 与伯克利实验室应用数学和计算研究部的 Marcus Noack 合作。Noack 是伯克利实验室能源研究应用高级数学中心 (CAMERA) 自动驾驶实验的负责人，他开发了用于自动实验的系统 gpCAM。该小组在由生长在石墨烯和碳化硅衬底上的单层二硫化钨 (WS2) 制成的材料上测试了他们的 AI 增强方法。

使用传统的扫描隧道显微镜 (STM) 方法，在尺寸为 125x125 像素的方形材料样品中收集有关硫空位（一种缺陷）的高分辨率光谱数据大约需要 23 天。STM 提供了一种强大的方法来收集光谱表面信息并将其与宏观现象联系起来，但 Thomas 说，创建完整的光谱图像通常会因在如此长的时间内可能出现的许多因素而变得复杂。

减少获取数据所需的时间可以降低这些并发症的风险。通过将 STM 测量与机器学习工具相结合，新方法将成像时间缩短至约 8 小时。

“从大约三周到一天的三分之一，”托马斯说。“这是一个很好的飞跃。”

WS2 是一种过渡金属二硫化物 (TMD)，这种材料的特性使其对量子发射器等应用具有吸引力，这种设备可以一次产生单个光子，并可能导致其他量子应用。此外，TMD 中的硫空位等缺陷暗示了在电子设备中操纵电子和光子的新方法。

但 WS2 只是一个开始。托马斯说，这项新技术可用于在几乎任何类型的二维材料上生成高维表面数据，并导致该领域需要的那种系统的高分辨率研究。此外，该方法可以从 STM 扩展到其他光谱技术，包括原子力光谱、光 STM 和超快 STM。它作为一个名为 gpSTS 的开放访问软件包可供公众使用，Thomas 是其中的首席开发人员。

“希望我们制作了一个任何人都可以使用的工具，并添加到大多数 STM 中，”Thomas 说。“对我自己来说，我们将继续研究不同的量子材料和新的和新颖的缺陷。”