An Open-Source Hardware and Software Toolkit to Enable Agentic RHEED-Guided Thin-Film Synthesis
本文介绍了一种开源硬件与软件工具包，该工具包实现了对用于薄膜合成的反射高能电子衍射（RHEED）的自主、人工智能驱动控制与定量分析，从而克服了传统的对操作人员的依赖，并为完全智能体化的材料生长奠定了基础。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几十年来，科学家们一直依赖一种被称为反射高能电子衍射（RHEED）的技术来观察原子在形成新材料时的排列方式。想象一下，一束电子以极浅的角度撞击晶体表面，就像石子在湖面上跳跃一样。这些电子反弹的方式会在屏幕上产生明暗相间的条纹，充当表面原子结构的实时地图。这张地图告诉研究人员，材料是正在逐层平滑生长，还是正在变得粗糙且无序。然而，解读这张地图在传统上是一个缓慢且依赖人工的过程。人类操作员必须不断调整设备以保持电子束对齐，并通过肉眼解释变化的图案，这项任务因人而异，使得自动化制造新材料变得困难。
橡树岭国家实验室的一支研究团队现在开发了一套完整的开源工具包，允许人类操作员和人工智能代理控制这种电子束，并分析由此产生的图案，而无需人工干预。他们开发了一个系统，可以自动对齐电子束、测量晶体的取向，并提取关于薄膜生长速度和原子有序度的精确数据。通过将这些硬件和软件与现代人工智能连接起来，他们证明了计算机可以接收简单的自然语言请求，例如“分析生长速率”，然后它就能独立地设置实验、运行分析并返回结果。这项工作消除了对持续人工监督的需求，将一项复杂的、具有主观性的视觉任务转变为一个可重复、自动化的过程，并可以由全球科学界共享和改进。
该新系统的核心是一件定制硬件，它充当了电子束的“神经系统”。在过去，调整电子束的位置需要手动旋钮或专有的软件，而这些软件通常是封闭的或难以修改的。研究人员用一个低成本、可编程的芯片取代了这些部件，该芯片可以向控制电子束转向的磁铁发送精确的电信号。这使得系统能够以受控且自动化的方式使电子束在样品上扫过，这一过程被称为收集“摇摆曲线”（rocking curve），有助于科学家了解表面的质量。团队还创建了一个软件程序来校准磁铁的工作方式，确保当电子束角度变化时，其撞击样品的位置能保持完全不动。这种水平的精度对于获取可靠数据至关重要，通过将控制代码开源，他们让其他实验室无需昂贵的专用设备即可复制这种设置。
一旦电子束受到控制，系统就必须确定晶体样品的精确取向。传统上，科学家会旋转样品并观察屏幕上的图案，直到条纹看起来完全对称为止。这种方法依赖于人类的判断，可能导致不一致性。这个新工具包采用了不同的方法：它对旋转过程中的样品进行视频录制，并利用数学中的对称性度量来找到图案最平衡的精确时刻。软件会自动检测样品的边缘和图案中的亮点，在计算对称性之前纠正任何倾斜或错位。这种“无需训练”的方法意味着它适用于任何材料，而不需要预先学习该材料的外观。它通过寻找最对称的图像来找到完美的对齐方式，计算机执行这项任务的稳定性远超人类。
最显著的飞跃是名为 Auto-RHEED 的软件应用，它充当了整个操作的“大脑”。该程序可以将电子显微镜的原始视频片段转化为具体的、有用的数值。它可以计算表面原子的间距、测量晶体有序区域的大小，并确定新层添加的速度。其独特之处在于能够与人工智能对话。研究人员将该软件连接到一个标准接口，使大语言模型能够理解并使用其工具。在一次演示中，一个 AI 代理接收到了一个关于分析薄膜生长实验的自然语言指令。在没有任何关于观察位置或处理数据方式的具体指令下，该代理成功识别了图像中的相关部分，设置了测量，并在不到一分钟的时间内计算出了生长速率。该代理并没有发明自己的分析方法，而是像人类一样运用严谨的方法，通过理解请求并执行步骤来完成任务。
该系统还证明了它可以整合不断发展的各种新科学方法。研究人员设计了具有灵活架构的软件，允许不同的分析工具像可更换模块一样插入其中。他们通过添加一种使用高级 AI 模型的方法来展示这一点，该方法可以在无需针对特定示例进行训练的情况下识别衍射图像中的模式。这使得系统能够通过观察视觉图案随时间的变化，识别出晶体生长的不同阶段，例如材料何时从平坦层生长转变为三维岛状生长。由于软件记录了过程中的每一步骤和每个设置，因此无论是由人类点击按钮还是由 AI 代理遵循文本命令生成的，结果都是完全可追溯且可重复的。
通过结合可编程硬件、自动化对齐和具备 AI 就绪能力的软件接口，该工具包将 RHEED 从一种依赖人工操作者的技能转变为一种稳健、自动化的材料合成传感器。它架起了物理材料生长过程与数字数据分析世界之间的桥梁，使得实验可以实现自我运行，并根据观察到的情况进行调整。研究人员已将其所有代码和设计免费公开，确保这种能力不会局限于单个实验室，而是可以成为整个领域的标准工具。这项工作为未来通过实时、自动化的反馈来指导新材料的创造奠定了基础，从而加速那些依赖精确原子结构的先进技术的发展。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。