研究人员于8月26日发表在国际期刊《高级科学》上，他们使用光学显微镜的数据集开发了一种机器学习算法，该算法可以在14分钟内无偏倚地表征石墨烯的性质和质量。
这项技术为全球数百家石墨烯或氧化石墨烯制造商带来了变革。这将帮助他们迅速提高石墨烯供应的质量和可靠性。
当前，制造商只能在产品制造后才能检测产品中使用的石墨烯的质量和性能。
通过该算法，该算法有可能在全球范围内获得商业支持，从而可以确保石墨烯生产商提供优质产品，并且省去了一系列鉴定石墨烯特性（例如厚度和厚度）的表征技术，该过程耗时且成本高昂。原子层的大小。
莫纳什大学机械和航空航天工程系的Mainak Majumder教授以及澳大利亚研究委员会的石墨烯促成产业转型研究中心领导了这项突破性研究。
该研究的合著者是Joynul Abedin博士和Mahdokht Shaibani博士（机械与航空航天工程系蒙纳士）和Titon Barua（孟加拉国Vimmaniac Ltd.）。
Majumder说：“石墨烯具有非凡的导电性和导热性。它被广泛用于生产用于水净化，能量存储和智能技术的膜，例如交通桥上的重量传感器。”
“与此同时，大批量使用石墨烯的价格相当昂贵。一克高质量石墨烯的价格高达1,000澳元（720美元），其中很大一部分是由于昂贵的质量控制程序所致。
“因此，制造商需要确保他们在市场上采购最优质的石墨烯。我们的技术可以在14分钟内检测到1936 x 1216分辨率的单个数据集的石墨烯属性。这将节省制造商的重要时间和精力。资金，并在不断发展的市场中建立竞争优势。”
石墨烯于2004年被发现，因其出色的轻质，薄型和超柔韧性而被誉为奇观材料。石墨烯是通过剥落石墨制成的。石墨是一种碳的晶体形式，原子排列成六边形，包含许多石墨烯层。
相关文章：借助激光诱导的石墨烯变得坚韧
但是，将这种潜力转换为现实生活和可用产品的过程一直很缓慢。原因之一是缺乏石墨烯在商业上通常可获得的可靠性和一致性。
生产石墨烯和氧化石墨烯片的最广泛使用的方法是通过液相剥离（LPE）。在此过程中，单层片材会通过剪切力从3D对应物（如石墨，氧化石墨膜或膨胀石墨）上剥离。
但是，这只能使用干燥的样品成像（即，一旦将石墨烯涂覆在载玻片上）。
Shaibani说：“尽管一直非常重视石墨烯材料的标准化指南，但实际上没有办法监控剥离的基本单元过程，每个实验室的产品质量各不相同，一家制造商的产品质量也各不相同。” “结果是，尽管据称该材料是石墨烯，但经常观察到所报告的性能特性之间的差异。
对于希望通过可靠的功能和特性为客户提供高质量石墨烯的行业，我们的工作可能至关重要。许多在ASX上市的公司都试图进入这个十亿美元的市场，而这项技术可能会加速这种兴趣。”
研究人员将该算法应用于18种石墨烯样品的分类中-其中8种是从商业来源获得的，其余的则是在受控加工条件下在实验室中生产的。
研究人员使用定量偏振光学显微镜确定了一种检测，分类和定量天然分散体形式的脱落石墨烯的技术。
为了以快速有效的方式最大化从数百张图像和大量样本生成的信息，研究人员开发了一种无监督的机器学习算法来识别性质相似的数据簇，然后使用图像分析来量化每个簇的比例。
阿贝丁说，这种方法有可能用于其他二维材料的分类和定量。
“我们的方法能够将亚纳米级的堆叠物分类为微米级，并测量石墨烯/氧化石墨烯的普通分散体中的剥落尺寸，厚度和剥落浓度，这令人兴奋，并为开发能源和热先进产品提供了广阔的前景 ”，阿贝丁说。
澳大利亚研究委员会的石墨烯使能产业转型研究中心主任杜尚·洛西奇教授说：“我们的ARC研究中心的这些杰出成果将对新兴的数十亿美元的石墨烯产业产生重大影响，使石墨烯制造商和最终用户可以轻松实现 质量控制工具来定义其目前缺少的石墨烯材料的质量。”
