通过深度学习实现了纳米级的精确表面造型
Lalith Krishna Samanth Bonagiri1,2, Zirui Wang3, Shan Zhou1,3
1Materials Research Laboratory, University of Illinois, Urbana, Illinois 61801, United States.
Nano letters
|January 22, 2024
概括
深度学习从表面地形测量中删除了原子力显微镜尖端工件. 这种人工智能方法可以恢复纳米结构材料的精确3D高度配置文件.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 人工智能的人工智能
背景情况:
- 表面地形对于微/纳米结构材料和生物系统至关重要.
- 原子力显微镜 (AFM) 是一个关键的纳米级表面分析工具.
- AFM患有尖端卷曲,扭曲高度配置文件,特别是对于利的特征.
研究的目的:
- 开发一种深度学习 (DL) 方法,以消除AFM图像中的尖端卷积.
- 从AFM数据中准确地恢复真实的3D表面高度配置文件.
主要方法:
- 使用图像对图像翻译深度学习方法.
- 训练了一个基于编码器-解码器的深卷积神经网络.
- 使用尖端卷曲和解卷曲的AFM图像对的数据集.
主要成果:
- DL网络成功地从AFM的地形图像中删除了尖端卷积.
- 获得了纳米波纹表面的精确3D高度配置文件.
- 该方法克服了传统的AFM分析的显著局限性.
结论:
- 深度学习为纠正AFM表面地形数据提供了强大的解决方案.
- 这种人工智能驱动的方法提高了纳米级表面特征的精度.
- 该方法在分析微型和纳米结构材料方面具有广泛的适用性.
更多相关视频
09:45Large-area Scanning Probe Nanolithography Facilitated by Automated Alignment and Its Application to Substrate Fabrication for Cell Culture Studies
Published on: June 12, 2018
9.7K
08:10Precision Milling of Carbon Nanotube Forests Using Low Pressure Scanning Electron Microscopy
Published on: February 5, 2017
7.5K
