近期，中國(guó)科學(xué)院上海光學(xué)精密機(jī)械研究所微納光電子功能材料實(shí)驗(yàn)室在利用隨機(jī)森林算法實(shí)現(xiàn)二維材料層數(shù)和缺陷識(shí)別研究中取得新進(jìn)展，揭示了機(jī)器學(xué)習(xí)算法在二維材料光譜學(xué)研究領(lǐng)域的應(yīng)用潛力。　

　　機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的重要分支，其基本思想是基于數(shù)據(jù)構(gòu)建統(tǒng)計(jì)模型，并利用模型對(duì)數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)。隨著大數(shù)據(jù)技術(shù)的快速發(fā)展，以數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)算法在材料研究領(lǐng)域蓬勃興起。二維材料的Raman光譜對(duì)分子鍵合及樣品的結(jié)構(gòu)較敏感，可用來(lái)進(jìn)行化學(xué)鑒別、形態(tài)與相、內(nèi)壓力/應(yīng)力及組成成份等的研究和分析。盡管Raman光譜提供了較豐富的信息，但如何挖掘信息深度、利用多種信息進(jìn)行綜合決策，仍需進(jìn)一步的研究。

　　該研究中，研究人員利用MoS₂的Raman頻率、強(qiáng)度等特征信息，通過(guò)重采樣過(guò)程，得到了包含不同空間位置信息的子訓(xùn)練集；通過(guò)學(xué)習(xí)過(guò)程，建立了由一定數(shù)量決策樹(shù)組成的隨機(jī)森林模型。當(dāng)有新的樣本點(diǎn)進(jìn)入模型進(jìn)行預(yù)測(cè)和判斷時(shí)，隨機(jī)森林中的每棵決策樹(shù)會(huì)進(jìn)行獨(dú)立判斷，繼而通過(guò)多數(shù)表決的方式給出相對(duì)準(zhǔn)確的預(yù)測(cè)結(jié)果。除了能夠判斷單層和雙層樣品外，模型還能夠?qū)悠飞L(zhǎng)過(guò)程中易引入的裂痕和隨機(jī)分布晶核進(jìn)行預(yù)測(cè)。該研究工作提出的方案將機(jī)器學(xué)習(xí)算法引入二維材料光譜學(xué)的研究中，也可擴(kuò)展到其他材料，為不同領(lǐng)域的材料表征提供解決方案。

　　相關(guān)研究成果以Machine Learning Analysis of Raman Spectra of MoS₂為題，發(fā)表在Nanomaterials上。研究工作得到國(guó)家自然科學(xué)基金委、中科院、上海市科委的支持。

　　論文鏈接 

　　圖1.隨機(jī)森林算法中學(xué)習(xí)過(guò)程的基本結(jié)構(gòu)

　　圖2.隨機(jī)森林算法中預(yù)測(cè)過(guò)程的基本結(jié)構(gòu)和一些區(qū)域?qū)訑?shù)識(shí)別的結(jié)果