新型AI技术打破原子力材料表面成像技术基本限制

伊利诺伊大学厄巴纳-香槟分校的研究人员推出了一种人工智能技术，通过使原子力显微镜（AFM）能够观察到比探针尖端更小的材料特征，从而大大提高了原子力显微镜（AFM）的性能。这一突破首次提供了超越传统分辨率限制的真正三维轮廓，有望彻底改变纳米电子开发和材料研究。

原子力显微镜（AFM）是一种广泛使用的技术，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制。为了突破这一限制，我们开发了一种新型人工智能技术，使显微镜在材料分析中达到更高的分辨率。

伊利诺伊大学香槟分校的研究人员开发的深度学习算法经过训练，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）杂志报道， 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。

材料表面成像技术的突破

"精确的表面高度轮廓对于纳米电子学的开发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能够无创测量轮廓的关键技术，"该项目负责人、工大材料科学与工程系教授张英杰说。"我们已经展示了如何更加精确地观察更小的东西，我们也展示了如何利用人工智能来克服看似无法克服的限制。"

显微镜技术通常只能提供二维图像，基本上只能为研究人员提供材料表面的航拍照片。原子力显微镜可提供完整的地形图，准确显示表面特征的高度剖面。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而获得的。

经深度学习算法处理的原子力显微镜图像。左列包含模拟的原子力显微镜图像，中间一列包含经过算法处理和重建的图像，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.

如果表面特征接近探针尖端的大小（约 10 纳米），显微镜就无法分辨，因为探针变得太大，无法"感觉"出这些特征。几十年来，显微镜学家们一直意识到这一局限性，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。

"我们之所以求助于人工智能和深度学习，是因为我们想获得高度剖面--精确的粗糙度--而不受传统数学方法的固有限制。"

研究人员开发了一种具有编码器-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征对其进行"编码"。在对特征表示进行处理以消除不良影响后，再将其"解码"回可识别的图像。