原子力显微镜(AFM)是一种广泛利用的技能,可以定量绘制材料表面的三维图。
然而,原子力显微镜的精度受到显微镜探针尺寸的限定。
为了打破这一限定,我们开拓了一种新型人工智能技能,使显微镜在材料剖析中达到更高的分辨率。

伊利诺伊大学喷鼻香槟分校的研究职员开拓的深度学习算法经由演习,可以从原子力显微镜图像中去除探针宽度的影响。
据《纳米快报 》(Nano Letters)杂志宣布, 该算法超越了其他方法,首次以低于显微镜探针尖端宽度的分辨率给出了真正的三维表面轮廓。

材料表面成像技能的打破

\"大众精确的表面高度轮廓对付纳米电子学的开拓以及材料和生物系统的科学研究至关主要,而原子力显微镜是一种能够无创丈量轮廓的关键技能,\"大众该项目卖力人、工大材料科学与工程系教授张英杰说。
\公众我们已经展示了如何更加精确地不雅观察更小的东西,我们也展示了如何利用人工智能来战胜看似无法战胜的限定。
\"大众

新型AI技能打破了原子力材料外面成像技能的基本限制

显微镜技能常日只能供应二维图像,基本上只能为研究职员供应材料表面的航拍照片。
原子力显微镜可供应完全的地形图,准确显示表面特色的高度剖面。
这些三维图像是通过在材料表面移动探针并丈量其垂直偏转而得到的。

经深度学习算法处理的原子力显微镜图像。
左列包含仿照的原子力显微镜图像,中间一列包含经由算法处理和重修的图像,右列包含添加原子力显微镜效应之前的原始图像。
来源:Nano Lett.

如果表面特色靠近探针尖真个大小(约 10 纳米),显微镜就无法分辨,由于探针变得太大,无法\"大众觉得\"大众出这些特色。
几十年来,显微镜学家们一贯意识到这一局限性,但伊利诺伊大学的研究职员是第一个给出确定性办理方案的人。

\公众我们之以是乞助于人工智能和深度学习,是由于我们想得到高度剖面--精确的粗糙度--而不受传统数学方法的固有限定。
\"大众

研究职员开拓了一种具有编码器-解码器框架的深度学习算法。
它首先通过将原始原子力显微镜图像分解为抽象特色对其进行\"大众编码\"大众。
在对特色表示进行处理以肃清不良影响后,再将其\"大众解码\"大众回可识别的图像。

为了演习该算法,研究职员天生了三维构造的人工图像,并仿照了它们的原子力显微镜读数。
然后构建算法,利用探针尺寸效应转换仿照原子力显微镜图像,并提取基本特色。

博纳吉里说:\公众实际上,我们必须做一些非标准的事情才能做到这一点。
范例的人工智能图像处理的第一步是根据某个标准重新调度图像的亮度和比拟度,以简化比较。
但在我们的案例中,绝对亮度和比拟度才是故意义的部分,因此我们不得不放弃第一步。
这让问题变得更具寻衅性。
\"大众

为了测试他们的算法,研究职员在硅主机上合成了已知尺寸的金和钯纳米粒子。
该算法成功肃清了探针尖端效应,并精确识别了纳米粒子的三维特色。

张说:\公众我们已经给出了观点验证,并展示了如何利用人工智能来显著改进原子力显微镜图像,但这项事情仅仅是个开始。
与所有人工智能算法一样,我们可以通过在更多更好的数据上进行演习来改进它,但提高的道路是明确的。
\"大众

编译自:ScitechDaily