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（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，但其准确性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，使显微镜能够分辨出比探针尖端更小的材料特征

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《纳米快报》杂志所报道的那样，该算法在以低于显微镜探针尖端宽度的分辨率给出第一个真实的三维表面轮廓方面超越了其他方法

“精确的表面高度轮廓对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，”美国大学材料科学与工程教授、项目负责人张英杰说。“我们已经展示了如何更加精确，看到更小的东西，我们还展示了如何利用人工智能来克服看似不可逾越的限制。”

通常，显微镜技术只能提供二维图像，本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轮廓。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

如果表面特征接近探针尖端的大小——大约10纳米——那么它们就无法被显微镜分辨，因为探针变得太大，无法“感觉到”这些特征。几十年来，显微镜学家一直意识到这一局限性，但美国研究人员是第一个给出确定性解决方案的人

张小组的研究生、该研究的主要作者Lalith Bonagiri说：“我们转向人工智能和深度学习，因为我们想在不受更传统数学方法固有限制的情况下获得高度轮廓——确切的粗糙度。”

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。在对特征表示进行处理以去除不期望的效果后，将其“解码”回可识别的图像

为了训练算法，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。然后构造该算法来转换具有探针尺寸效应的模拟AFM图像并提取潜在特征

博纳吉里说：“为了实现这一目标，我们实际上不得不做一些不规范的事情。”。“典型的人工智能图像处理的第一步是根据一些标准重新调整图像的亮度和对比度，以简化比较。不过，在我们的情况下，绝对亮度和对比是有意义的部分，所以我们不得不放弃第一步。这使问题变得更具挑战性。”

要测试他们的算法，研究人员在硅基质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针尖效应，正确地识别了纳米颗粒的三维特征

“我们已经给出了概念证明，并展示了如何使用人工智能显著改善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来改进它，但前进的道路是明确的。”