新的EPM项目：利用机器学习实现智能测量

2025年5月，“利用机器学习实现自动化、自适应且具备不确定性意识的智能测量”合作项目正式启动，并于6月3日至4日在萨莱诺大学举行了启动会。该项目由德国联邦物理技术研究院（PTB）协调，旨在通过结合机器学习、压缩感知、正则化和贝叶斯统计等工具，显著提高多维测量的效率，从而实现“智能”测量。

多维测量是计量学的关键技术，能够实现诸如通过纳米成像进行材料表征以及通过兆像素分辨率的光电流成像进行半导体质量控制等应用。然而，多维测量常常面临测量时间长、测量工作量大的挑战，凸显了开发更快、更高效且更智能的测量策略的需求。改进这些技术可以解决大规模用户设施中的时间限制问题，或用于生产线的质量控制，从而加速材料科学的创新，并助力多个工业领域新产品的发展。

该项目将结合机器学习工具与统计学中的成熟方法以及减少多维测量实验工作量的方法，如压缩感知。这为提高测量程序的效率提供了新的可能性，并同时拓展了机器学习方法在计量学中的潜力。项目还将开发可靠的不确定性评估方法，以实现对测量的不确定性感知控制。最终，将在扫描高光谱成像和半导体光电流成像的测量仪器中实施开发的方法，构建实验原型，并展示这些领域智能测量的效率。

此外，还将处理多个额外的计量案例研究，以展示其即时影响。为了进一步促进所开发程序的采用，将提供详细的指导文件、记录在案的软件和参考数据集。通过适用于广泛多维测量任务的通用、自动化和自适应测量计划，将产生长期影响。这预计将支持制造业实现更好的质量控制，从而降低成本，实现零浪费和可持续制造目标。

该项目（24DIT03 A3SmartML）获得了欧洲计量合作伙伴关系的资助，由欧盟“地平线欧洲”研究与创新计划以及参与国共同资助。