人工智能技术“解码”显微镜图像，克服基本限制

原子力显微镜是一种广泛使用的技术，可以在三维空间中定量地绘制材料表面，但其精度受到显微镜探针尺寸的限制。一种新的人工智能技术克服了这一限制，使显微镜能够解析小于探针尖端的材料特征。

伊利诺伊大学厄巴纳-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AFM显微镜图像中消除探针宽度的影响。正如《Nano Letters》杂志所报道的那样，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提供了第一个真正的三维表面轮廓。

“准确的表面高度剖面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AFM是一种可以无创测量轮廓的关键技术，”I.材料科学与工程教授和项目负责人Yingjie Zhang说。

“我们已经展示了如何更加精确地看到更小的东西，我们已经展示了如何利用人工智能来克服一个看似不可逾越的限制。 通常，显微镜技术只能提供二维图像，实质上是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剖面。这些三维图像是通过在材料表面上移动探针并测量其垂直偏转而获得的。 如果表面特征接近探针尖端的大小，则显微镜无法解析它们，因为探针变得太大而无法“感觉到”特征。

几十年来，显微镜学家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，因为我们想获得高度轮廓 - 确切的粗糙度 - 而没有更传统的数学方法的固有限制，”Zhang小组的研究生，该研究的主要作者Lalith Bonagiri说。

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AFM图像分解为抽象特征来“编码”原始AFM图像。

在对特征表示进行处理以消除不需要的效果后，将其“解码”回可识别的图像。 为了训练该算法，研究人员生成了三维结构的人工图像，并模拟了他们的AFM读数。然后构建该算法，以探针尺寸效应对模拟的AFM图像进行变换，并提取底层特征。

“我们实际上不得不做一些非标准的事情来实现这一目标，”Bonagiri说。“典型的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。

然而，在我们的例子中，绝对的亮度和对比度是有意义的部分，所以我们不得不放弃第一步。这使得问题更具挑战性。 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。该算法成功地消除了探针尖端效应，并正确识别了纳米颗粒的三维特征。

“我们已经给出了一个概念验证，并展示了如何使用人工智能来显着改善AFM图像，但这项工作只是一个开始，”张说。“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训练它来改进它，但前进的道路是明确的。