二维材料的层数对于调节纳米电子器件和光电器件的性能具有重要意义，在进一步的物理研究或器件制造步骤之前，应确定目标样品的最佳厚度。目前，已经提出了多种不同的光学技术来利用层数与光学特性之间的关系来确定样品的厚度，包括光学对比度、光学成像、拉曼光谱、光致发光光谱、非线性光谱、近场 光学成像、椭圆光谱和高光谱成像。在过去的十年中，二维材料及其异质结构数量的快速增长已经超出了传统实验和计算方法的能力。近年来，机器学习正在成为支持此类传统方法的强大工具，这为以更敏锐的方式挖掘光学技术的潜力带来了新的机会。光学技术的应用极大地促进了材料光学信息的获取，而ML算法则提供了一种快速、高通量、智能化的方式来完成后端数据处理和推理。传统光学技术与机器学习算法的深度融合，极大地促进了二维材料在基础研究和实际应用方面的进步，并进一步推动了工业制造。

https://doi.org/10.1002/lpor.202200357