由中国科学院长春光学精密机械与物理研究所（CIOMP）研究人员主导的一项发表于《Molecules》的最新研究，展示了深度学习在二维材料缺陷检测中的高效应用。研究聚焦于二硫化钼（MoS₂）——一种具有广阔前景的二维材料，有望用于下一代电子器件。传统方法依赖人工观察扫描透射电子显微镜（STEM）图像来识别原子尺度的缺陷，耗时且易受主观因素影响。该研究团队开发了一种基于深度学习的自动化检测算法，能够快速、精准地识别MoS₂中的硫空位、晶格畸变等关键缺陷。实验结果表明，该方法在准确率和处理速度上均显著优于传统人工分析，大幅提升了缺陷检测的效率与一致性。这一技术突破为二维材料的性能优化与高质量器件制造提供了有力支持，标志着人工智能在材料科学领域应用的重要进展。