Атомно-силовая микроскопия (AFM) позволяет получать изображения наноструктур и изучать свойства материалов. Однако последовательное сканирование отдельных точек затрудняет одновременное повышение скорости и пространственного разрешения. Исследовательская группа Шанхайского института керамики Китайской академии наук разработала для решения этой задачи физически обусловленную генеративную модель сверхразрешения StableAFM.
Модель объединяет физику измерений AFM с диффузионной моделью в латентном пространстве и использует исходные данные измерений как ограничение при восстановлении изображения. Это позволяет восстанавливать пространственные детали при быстром разреженном сканировании. Сначала сеть AFM-SwinIR восстанавливает базовую структуру изображения, затем адаптированная диффузионная модель уточняет границы и локальные особенности.
Чтобы сгенерированные детали не расходились с экспериментальными данными, команда предложила метод обратной выборки в латентном пространстве. Он проецирует восстановленное изображение на исходную сетку измерений с низким разрешением и корректирует результат с учетом расхождений с фактическими данными. В испытаниях среднеквадратичная ошибка модели с физическими ограничениями измерений снизилась примерно на 31,3%.
Затем StableAFM применили для анализа ловушек заряда в диэлектрических слоях многослойных керамических конденсаторов. По быстро полученным изображениям поверхностного потенциала с низким разрешением, снятым методом Kelvin probe force microscopy (KPFM), восстановили последовательности изображений высокого разрешения. В сочетании с анализом изотермического спада поверхностного потенциала исследователи определили пространственное распределение энергетических уровней и плотности ловушек.
В области скопления глубоких электронных ловушек рядом с зоной инжекции заряда выявили прерывистый кольцеобразный участок обеднения. Он повторился в нескольких экспериментах в одной и той же области; соответствующей кольцевой структуры на изображениях рельефа не было. Скорость сбора данных KPFM при этом выросла в четыре раза.
По оценке исследователей, модель может применяться к разным материалам и режимам визуализации. Она восстанавливает царапины и границы зерен, различия поверхностного потенциала на изображениях KPFM, а также ориентацию сегнетоэлектрических доменов и границы областей поляризации на изображениях пьезоэлектрической силовой микроскопии (PFM). Результаты опубликованы в журнале Small Methods.
Перевод с китайского выполнен с помощью искусственного интеллекта. Источник: Китайская академия наук
