ப்ரொஃப் ஜெஃப்ரி டேவிஸ் ஸ்வின்பர்ன் பல்கலைக்கழகம் ஆஃப் தொழில்நுட்பம் News Today : Breaking News, Live Updates & Top Stories | Vimarsana

Credit: FLEET
Just as James Cameron s Terminator-800 was able to discriminate between clothes, boots, and a motorcycle , machine-learning could identify different areas of interest on 2D materials.
The simple, automated optical identification of fundamentally different physical areas on these materials (eg, areas displaying doping, strain, and electronic disorder) could significantly accelerate the science of atomically-thin materials.
Atomically-thin (or 2D) layers of matter are a new, emerging class of materials that will serve as the basis for next-generation energy-efficient computing, optoelectronics and future smart-phones.
Without any supervision, machine-learning algorithms were able to discriminate between differently perturbed areas on a 2D semiconducting material, explains lead author Dr Pavel Kolesnichenko. This can lead to fast, machine-aided characterization of 2D materials in the future, accelerating application of these materials in next-generat ....

Pavel Kolesnichenko , Energy Electronics Technologies , Centre Of Excellence , Lund University , Prof Michael Fuhrer Monash University , Prof Jeffrey Davis Swinburne University Of Technology , James Cameron , Prof Jeffrey Davis , Swinburne University , Prof Davis , Future Low Energy Electronics Technologies , Prof Michael Fuhrer , Monash University , Chemistry Physics Materials Sciences , Superconductors Semiconductors , Electrical Engineering Electronics , Nanotechnology Micromachines , ஆற்றல் மின்னணுவியல் தொழில்நுட்பங்கள் , மையம் ஆஃப் சிறப்பானது , லண்ட் பல்கலைக்கழகம் , ப்ரொஃப் மைக்கேல் ஃபுரர் மோனாஷ் பல்கலைக்கழகம் , ப்ரொஃப் ஜெஃப்ரி டேவிஸ் ஸ்வின்பர்ன் பல்கலைக்கழகம் ஆஃப் தொழில்நுட்பம் , ஜேம்ஸ் கேமரூன் , ப்ரொஃப் ஜெஃப்ரி டேவிஸ் , ஸ்வின்பர்ன் பல்கலைக்கழகம் , ப்ரொஃப் டேவிஸ் ,