原子力显微镜(AFM)是一种广泛使用的技术，可以在三个维度上定量绘制材料表面，但其精度受到显微镜探头尺寸的限制。一种新的人工智能技术克服了这一限制，使显微镜能够解析比探针尖端更小的材料特征。

伊利诺伊大学厄巴纳-香槟分校研究人员开发的深度学习算法经过训练，可以消除AFM显微镜图像中探针宽度的影响。据《NanoLetters》杂志报道，该算法超越了其他方法，以低于显微镜探针尖端宽度的分辨率给出了第一个真正的三维表面轮廓。

“准确的表面高度轮廓对于纳米电子学的发展以及材料和生物系统的科学研究至关重要，而原子力显微镜是一种可以非侵入性测量轮廓的关键技术，”伊利诺伊大学材料科学与工程教授张英杰说。项目负责人。“我们已经展示了如何更加精确并看到更小的事物，并且我们已经展示了如何利用人工智能来克服看似无法克服的限制。”

通常，显微镜技术只能提供二维图像，本质上为研究人员提供材料表面的航空照片。AFM提供完整的地形图，准确显示表面特征的高度轮廓。这些三维图像是通过在材料表面移动探针并测量其垂直偏转来获得的。

如果表面特征接近探针尖端的尺寸(大约10纳米)，那么显微镜就无法解析它们，因为探针变得太大而无法“感知”这些特征。几十年来，显微镜学家们已经意识到这一局限性，但伊利诺伊大学的研究人员是第一个给出确定性解决方案的人。

“我们转向人工智能和深度学习，因为我们想要获得高度轮廓——精确的粗糙度——而不受更传统数学方法的固有限制，”张团队的研究生、该研究的主要作者LalithBonagiri说。

研究人员开发了一种带有编码器-解码器框架的深度学习算法。它首先通过将原始AFM图像分解为抽象特征来“编码”它们。在对特征表示进行操作以消除不需要的效果后，它会被“解码”回可识别的图像。

为了训练算法，研究人员生成了三维结构的人工图像并模拟了它们的AFM读数。然后构建该算法来转换具有探针尺寸效应的模拟AFM图像并提取潜在特征。

“我们实际上必须做一些非标准的事情才能实现这一目标，”博纳吉里说。“典型人工智能图像处理的第一步是根据某些标准重新调整图像的亮度和对比度，以简化比较。但在我们的例子中，绝对亮度和对比度是有意义的部分，所以我们必须首先放弃它这使得问题变得更具挑战性。”

为了测试他们的算法，研究人员在硅主体上合成了已知尺寸的金和钯纳米颗粒。该算法成功消除了探针尖端效应并正确识别了纳米颗粒的三维特征。

“我们已经进行了概念验证，并展示了如何使用人工智能显着改善AFM图像，但这项工作仅仅是开始，”张说。“与所有人工智能算法一样，我们可以通过使用更多更好的数据对其进行训练来改进它，但前进的道路是明确的。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：