伊利諾大學厄巴納-香檳分校的研究人員推出了一種人工智慧技術，透過使原子力顯微鏡（AFM）能夠觀察到比探針尖端更小的材料特徵，從而大大提高了原子力顯微鏡（AFM）的性能。這項突破首次提供了超越傳統解析度限制的真正三維輪廓，有望徹底改變奈米電子開發和材料研究。

原子力顯微鏡（AFM）是一種廣泛使用的技術，可以定量繪製材料表面的三維圖。然而，原子力顯微鏡的精度受到顯微鏡探針尺寸的限制。為了突破這項限制，我們開發了一種新型人工智慧技術，使顯微鏡在材料分析中達到更高的解析度。

伊利諾大學香檳分校的研究人員開發的深度學習演算法經過訓練，可以從原子力顯微鏡影像中去除探針寬度的影響。根據《奈米快報》（Nano Letters）雜誌報導， 該演算法超越了其他方法，首次以低於顯微鏡探針尖端寬度的分辨率給出了真正的三維表面輪廓。

材料表面成像技術的突破

“精確的表面高度輪廓對於奈米電子學的開發以及材料和生物系統的科學研究至關重要，而原子力顯微鏡是一種能夠非侵入性測量輪廓的關鍵技術，”該項目負責人、工大材料科學與工程系教授張英傑說。”我們已經展示瞭如何更精確地觀察更小的東西，我們也展示瞭如何利用人工智慧來克服看似無法克服的限制。”

顯微鏡技術通常只能提供二維影像，基本上只能提供研究人員材料表面的空拍照片。原子力顯微鏡可提供完整的地形圖，準確顯示表面特徵的高度剖面。這些三維圖像是透過在材料表面移動探針並測量其垂直偏轉而獲得的。

經深度學習演算法處理的原子力顯微鏡影像。左列包含模擬的原子力顯微鏡影像，中間一列包含經過演算法處理和重建的影像，右列則包含添加原子力顯微鏡效應之前的原始影像。來源：Nano Lett.

如果表面特徵接近探針尖端的大小（約10 奈米），顯微鏡就無法分辨，因為探針變得太大，無法”感覺”出這些特徵。幾十年來，顯微鏡學家一直意識到這一局限性，但伊利諾大學的研究人員是第一個給出確定性解決方案的人。

“我們之所以求助於人工智慧和深度學習，是因為我們想獲得高度剖面–精確的粗糙度–而不受傳統數學方法的固有限制。”

研究人員開發了一種具有編碼器-解碼器框架的深度學習演算法。它首先通過將原始原子力顯微鏡圖像分解為抽象特徵對其進行”編碼”。在對特徵表示進行處理以消除不良影響後，再將其”解碼”回可識別的影像。

為了訓練演算法，研究人員產生了三維結構的人工圖像，並模擬了它們的原子力顯微鏡讀數。接著建構演算法，利用探針尺寸效應轉換模擬原子力顯微鏡影像，並擷取基本特徵。

博納吉里說：”實際上，我們必須做一些非標準的事情才能做到這一點。典型的人工智慧影像處理的第一步是根據某個標準重新調整影像的亮度和對比度，以簡化比較。但在我們的案例中，絕對亮度和對比度才是有意義的部分，因此我們不得不放棄第一步。這讓問題變得更具挑戰性。”

為了測試他們的演算法，研究人員在矽主機上合成了已知尺寸的金和鈀奈米粒子。該演算法成功消除了探針尖端效應，並正確識別了奈米粒子的三維特徵。

張說：”我們已經給出了概念驗證，並展示瞭如何使用人工智慧來顯著改善原子力顯微鏡圖像，但這項工作只是個開始。與所有人工智慧演算法一樣，我們可以透過在更多更好的在數據上進行訓練來改進它，但前進的道路是明確的。”

編譯自：ScitechDaily