İki boyutlu (2B) malzemeler, bu malzemelerin ürettiği cihazların yüksek performans göstermesi nedeniyle birçok araştırmacının ilgisini çekmiştir. 2B malzeme elde etmek için solüsyon tabanlı kimyasal sentez, kimyasal buhar biriktirme (KBB), moleküler ışın epitaksisi, atomik katman biriktirme, darbeli lazer biriktirme (DLB) gibi işlemler sırasında saatler gerektiren farklı üretim yöntemleri bulunmaktadır. 2B yapılar elde edildikten sonra, kusurları da dahil olmak üzere özellikleri farklı karakterizasyon araçları ile ortaya çıkarılmalıdır. Karakterizasyon süreci de üretim süreci gibi zaman ve uzmanlık gerektirir. Bu açıdan, üretilen örneklerin pratik ve hızlı sınıflandırılması için Evrişimli Sinir Ağları (ESA) gibi derin öğrenme yöntemleri bir çözüm olabilir. Ancak, yukarıda bahsedilen uzun deneysel süreçler nedeniyle araştırma laboratuvarlarının çoğunda yeterli sayıda örnek bulunmamaktadır. Bu çalışmada, farklı elektronik uygulamalarda yüksek potansiyele sahip, yaygın olarak çalışılan bir 2B yarı iletken olan MoS2'nin yapay olarak oluşturulmuş görüntülerini kullanan bir CNN algoritmasının performansı sunulmaktadır. Normal ve kusurlu MoS2 pullarını içeren sentetik optik mikroskobik görüntüler, Fresnel Denklemleri kullanılarak farklı malzemeler üzerine gelen ışığın yoğunlukları ile oluşturulur. Normal ve kusurlu örnekleri tespit etmek için derin bir CNN algoritması oluşturulmuştur. Doğruluk ölçümlerinin sonuçları, CNN'nin gelecekte yeterli sayıda gerçek görüntü ile iki boyutlu malzemelerin karakterizasyonu için kullanılabileceğini göstermiştir.
Eskişehir Teknik Üniversitesi
22ADP144
This work was supported by Eskişehir Technical University Research Project no: 22ADP144.
22ADP144
Primary Language | English |
---|---|
Subjects | Engineering |
Journal Section | Articles |
Authors | |
Project Number | 22ADP144 |
Publication Date | September 27, 2022 |
Published in Issue | Year 2022 Volume: 23 Issue: 3 |