22:32 2024-02-28
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Tehnica AI „decodifică” imaginile microscopului, depășind limita fundamentală
_ Tehnica AI „decodes” ' Imaginile microscopului, depășind limita fundamentală
Microscopia cu forță atomică, sau AFM, este o tehnică utilizată pe scară largă care poate mapa cantitativ suprafețele materialelor în trei dimensiuni, dar acuratețea sa este limitată de dimensiunea sondei microscopului. O nouă tehnică de inteligență artificială depășește această limitare și permite microscoapelor să rezolve caracteristicile materialelor mai mici decât vârful sondei.
Algoritmul de învățare profundă dezvoltat de cercetătorii de la Universitatea din Illinois Urbana-Champaign este antrenat pentru a elimina efectele lățimea sondei din imaginile microscopului AFM. După cum se raportează în jurnalul Nano Letters, algoritmul depășește alte metode, oferind primele profiluri de suprafață tridimensionale adevărate la rezoluții sub lățimea vârfului sondei microscopului.
„Profilurile precise ale înălțimii suprafeței sunt cruciale pentru nanoelectronică. dezvoltare, precum și studii științifice ale sistemelor materiale și biologice, iar AFM este o tehnică cheie care poate măsura profilurile în mod neinvaziv”, a declarat Yingjie Zhang, profesor de știință și inginerie a materialelor la Universitatea I. și conducătorul proiectului. „Am demonstrat cum să fim și mai precisi și să vedem lucruri care sunt și mai mici și am arătat cum AI poate fi folosită pentru a depăși o limitare aparent de netrecut.”
Adesea, tehnicile de microscopie pot doar oferă imagini bidimensionale, oferind în esență cercetătorilor fotografii aeriene ale suprafețelor materiale. AFM oferă hărți topografice complete care arată cu precizie profilurile de înălțime ale caracteristicilor de suprafață. Aceste imagini tridimensionale sunt obținute prin mișcarea unei sonde pe suprafața materialului și măsurarea deflexiunii sale verticale.
Dacă caracteristicile suprafeței se apropie de dimensiunea vârfului sondei - aproximativ 10 nanometri - atunci ele nu pot fi rezolvate de către microscop deoarece sonda devine prea mare pentru a „simți” caracteristicile. Microscopiștii sunt conștienți de această limitare de zeci de ani, dar cercetătorii de la U. of I. sunt primii care au oferit o soluție deterministă.
„Ne-am orientat către IA și învățarea profundă pentru că am vrut să obținem profilul de înălțime. — rugozitatea exactă — fără limitările inerente ale metodelor matematice mai convenționale”, a spus Lalith Bonagiri, un student absolvent în grupul lui Zhang și autorul principal al studiului.
Cercetătorii au dezvoltat un algoritm de învățare profundă cu un codificator- cadrul decodorului. Mai întâi „codifică” imaginile brute AFM prin descompunerea lor în caracteristici abstracte. După ce reprezentarea caracteristicii este manipulată pentru a elimina efectele nedorite, este apoi „decodificată” înapoi într-o imagine recunoscută.
Pentru a antrena algoritmul, cercetătorii au generat imagini artificiale ale structurilor tridimensionale și au simulat AFM-ul lor. citiri. Algoritmul a fost apoi construit pentru a transforma imaginile AFM simulate cu efecte de dimensiunea sondei și pentru a extrage caracteristicile de bază.
„De fapt, a trebuit să facem ceva nestandard pentru a realiza acest lucru”, a spus Bonagiri. „Primul pas al procesării tipice a imaginilor AI este redimensionarea luminozității și contrastului imaginilor față de un anumit standard pentru a simplifica comparațiile. În cazul nostru, totuși, luminozitatea și contrastul absolut sunt partea care este semnificativă, așa că a trebuit să renunțăm mai întâi la asta. Acest lucru a făcut problema mult mai dificilă.”
Pentru a-și testa algoritmul, cercetătorii au sintetizat nanoparticule de aur și paladiu cu dimensiuni cunoscute pe o gazdă de siliciu. Algoritmul a eliminat cu succes efectele vârfului sondei și a identificat corect caracteristicile tridimensionale ale nanoparticulelor.
„Am dat o dovadă de concept și am arătat cum să folosim AI pentru a îmbunătăți semnificativ imaginile AFM, dar această lucrare este doar începutul”, a spus Zhang. „Ca și în cazul tuturor algoritmilor de inteligență artificială, îl putem îmbunătăți antrenându-l pe date mai multe și mai bune, dar calea de urmat este clară.”
Comentarii:
Adauga Comentariu