Para peneliti di Universitas Illinois Urbana-Champaign telah memperkenalkan teknik kecerdasan buatan yang sangat meningkatkan mikroskop kekuatan atom (AFM) dengan memungkinkan visualisasi fitur material yang lebih kecil dari ujung probe. Menawarkan profil tiga dimensi pertama yang melampaui resolusi konvensional, terobosan ini menjanjikan untuk merevolusi pengembangan nanoelektronik dan studi material.
Mikroskop gaya atom, atau AFM, adalah teknik yang banyak digunakan yang dapat memetakan permukaan material secara kuantitatif dalam tiga dimensi. Namun, keakuratan AFM dibatasi oleh ukuran probe mikroskop. Untuk mengatasi keterbatasan ini, teknik kecerdasan buatan baru telah dikembangkan yang memungkinkan mikroskop mencapai resolusi lebih tinggi saat menganalisis bahan.
Algoritme pembelajaran mendalam yang dikembangkan oleh para peneliti di Universitas Illinois Urbana-Champaign dilatih untuk menghilangkan efek lebar probe dari gambar mikroskop AFM. Seperti yang tertulis di buku harian itu huruf nano, Algoritme ini mengungguli metode lain dalam memberikan profil permukaan tiga dimensi pertama yang sebenarnya pada resolusi di bawah lebar ujung probe mikroskop.
Sebuah terobosan dalam pencitraan permukaan material
“Profil ketinggian permukaan yang tepat adalah kunci bagi pengembangan nanoelektronik serta studi ilmiah mengenai material dan sistem biologis, dan AFM adalah teknik utama yang dapat mengukur profil secara non-invasif,” kata Yingjie Zhang, seorang profesor sains di Universitas I. dan insinyur yang memimpin proyek tersebut. “Kami telah menunjukkan bagaimana menjadi lebih presisi dan melihat hal-hal yang lebih kecil lagi, dan kami telah menunjukkan bagaimana AI dapat digunakan untuk mengatasi keterbatasan yang tampaknya tidak dapat diatasi.”
Teknik mikroskopis seringkali hanya dapat memberikan gambar dua dimensi, yang pada dasarnya memberikan peneliti foto udara dari permukaan material. AFM menyediakan peta topografi lengkap yang secara akurat menggambarkan profil ketinggian fitur permukaan. Gambar tiga dimensi ini diperoleh dengan menggerakkan probe di atas permukaan material dan mengukur defleksi vertikalnya.
Gambar AFM diproses oleh algoritma pembelajaran mendalam. Kolom kiri berisi gambar simulasi AFM, kolom tengah berisi gambar yang diproses dan direkonstruksi dengan algoritma, dan kolom kanan berisi gambar asli sebelum menambahkan efek AFM. Kredit: Nano Lett. 2024, 24, 8, 2589–2595
Jika fitur permukaan mendekati ukuran ujung probe – sekitar 10 nanometer – maka mikroskop tidak dapat membedakannya karena probe terlalu besar untuk “merasakan” fitur tersebut. Para ahli mikroskop telah menyadari keterbatasan ini selama beberapa dekade, namun peneliti dari Universitas I. adalah yang pertama memberikan solusi deterministik.
“Kami beralih ke AI dan pembelajaran mendalam karena kami ingin mendapatkan profil tinggi badan—kekasaran yang tepat—tanpa batasan yang melekat pada metode matematika konvensional,” kata Lalith Bonagiri, mahasiswa pascasarjana di kelompok Zhang dan penulis utama studi tersebut.
Algoritma pembelajaran mendalam
Para peneliti mengembangkan algoritma pembelajaran mendalam dengan kerangka encoder-decoder. Pertama-tama “mengkodekan” gambar AFM mentah dengan menguraikannya menjadi elemen abstrak. Setelah representasi elemen dimanipulasi untuk menghilangkan efek yang tidak diinginkan, kemudian “didekode” kembali menjadi a
gambar yang dapat dikenali.
Untuk melatih algoritme, para peneliti membuat gambar buatan dari struktur tiga dimensi dan mensimulasikan nilai AFMnya. Sebuah algoritma kemudian dibangun untuk mengubah gambar AFM simulasi menggunakan efek ukuran probe dan mengekstrak fitur-fitur penting.
“Kami sebenarnya harus melakukan sesuatu yang luar biasa untuk mencapai hal ini,” kata Bonagiri. “Langkah pertama dalam pemrosesan gambar AI pada umumnya adalah menskalakan kecerahan dan kontras gambar terhadap beberapa standar untuk mempermudah perbandingan. Namun, dalam kasus kami, kecerahan dan kontras absolut adalah bagian yang masuk akal, jadi kami harus melewatkan langkah pertama. Itu membuat masalahnya menjadi lebih rumit.”
Untuk menguji algoritme mereka, para peneliti mensintesis nanopartikel emas dan paladium dengan dimensi yang diketahui pada inang silikon. Algoritma ini berhasil menghilangkan efek ujung probe dan mengidentifikasi fitur tiga dimensi nanopartikel dengan benar.
“Kami telah memberikan bukti konsep dan menunjukkan cara menggunakan AI untuk meningkatkan pencitraan AFM secara signifikan, namun pekerjaan ini hanyalah permulaan,” kata Zhang. “Seperti semua algoritma AI, kami dapat memperbaikinya dengan melatih mereka menggunakan data yang lebih banyak dan lebih baik, namun jalan ke depan sudah jelas.”
Referensi: “Pembuatan Profil Permukaan Tepat pada Skala Nano yang Diaktifkan oleh Pembelajaran Mendalam” oleh Lalith Krishna Samanth Bonagiri, Zirui Wang, Shan Zhou dan Yingjie Zhang, 22 Jan 2024, Nano Letters.
DOI: 10.1021/acs.nanolett.3c04712
Percobaan dilakukan di Institut Penelitian Bahan dan Biologi Genomik Carl R. Woese di Universitas I.
Dukungan diberikan oleh National Science Foundation dan Arnold dan Mabel Beckman Foundation.
+ There are no comments
Add yours