Para peneliti di Universitas Illinois Urbana-Champaign telah memperkenalkan teknik AI yang secara signifikan meningkatkan Atomic Force Microscopy (AFM) dengan memungkinkannya memvisualisasikan fitur material yang lebih kecil dari ujung probe. Terobosan ini, menawarkan profil tiga dimensi pertama yang melampaui batas resolusi konvensional, menjanjikan revolusi 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, ketepatan AFM dibatasi oleh ukuran probe mikroskop. Teknik kecerdasan buatan baru telah dikembangkan untuk melampaui batasan ini, memungkinkan mikroskop mencapai resolusi lebih tinggi dalam analisis material.
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 dilansir dalam jurnal tersebut Surat Nano, algoritme ini melampaui metode lain dalam memberikan profil permukaan tiga dimensi pertama yang sebenarnya pada resolusi di bawah lebar ujung probe mikroskop.
Terobosan dalam Pencitraan Permukaan Material
“Profil ketinggian permukaan yang akurat sangat penting untuk pengembangan nanoelektronik serta studi ilmiah tentang material dan sistem biologis, dan AFM adalah teknik utama yang dapat mengukur profil secara non-invasif,” kata Yingjie Zhang, profesor sains & teknik material di Universitas I. dan pimpinan proyek. “Kami telah menunjukkan bagaimana menjadi lebih presisi dan melihat hal-hal yang lebih kecil lagi, dan kami telah menunjukkan bagaimana AI dapat dimanfaatkan untuk mengatasi keterbatasan yang tampaknya tidak dapat diatasi.”
Seringkali, teknik mikroskop hanya dapat memberikan gambar dua dimensi, yang pada dasarnya memberikan foto udara pada permukaan material kepada peneliti. AFM menyediakan peta topografi lengkap yang secara akurat menunjukkan profil ketinggian fitur permukaan. Gambar tiga dimensi ini diperoleh dengan menggerakkan probe melintasi 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 oleh algoritma, dan kolom kanan berisi gambar asli sebelum efek AFM ditambahkan. Kredit: Nano Lett. 2024, 24, 8, 2589–2595
Jika fitur permukaan mendekati ukuran ujung probe – sekitar 10 nanometer – maka fitur tersebut tidak dapat dilihat dengan mikroskop karena probe menjadi terlalu besar untuk “merasakan” fitur tersebut. Para ahli mikroskop telah menyadari keterbatasan ini selama beberapa dekade, namun peneliti dari Amerika Serikat 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. Ini pertama-tama “mengkodekan” gambar AFM mentah dengan menguraikannya menjadi fitur abstrak. Setelah representasi fitur dimanipulasi untuk menghilangkan efek yang tidak diinginkan, fitur tersebut kemudian “didekode” kembali menjadi a
gambar yang dapat dikenali.
Untuk melatih algoritme, para peneliti menghasilkan gambar buatan dari struktur tiga dimensi dan mensimulasikan pembacaan AFMnya. Algoritma ini kemudian dibangun untuk mengubah gambar AFM yang disimulasikan dengan efek ukuran probe dan mengekstrak fitur yang mendasarinya.
“Kami sebenarnya harus melakukan sesuatu yang tidak standar untuk mencapai hal ini,” kata Bonagiri. “Langkah pertama dari pemrosesan gambar AI pada umumnya adalah mengubah skala kecerahan dan kontras gambar terhadap beberapa standar untuk menyederhanakan perbandingan. Namun dalam kasus kami, kecerahan dan kontras absolut adalah bagian yang paling penting, jadi kami harus melupakan langkah pertama tersebut. Hal ini membuat permasalahannya menjadi lebih menantang.”
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 gambar AFM secara signifikan, namun upaya ini hanyalah permulaan,” kata Zhang. “Seperti semua algoritme AI, kami dapat memperbaikinya dengan melatihnya menggunakan data yang lebih banyak dan lebih baik, namun jalur 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 Januari 2024, Surat Nano.
DOI: 10.1021/acs.nanolett.3c04712
Percobaan dilakukan di Institut Biologi Genomik Carl R. Woese dan Laboratorium Penelitian Material di Universitas I.
Dukungan diberikan oleh National Science Foundation dan Arnold dan Mabel Beckman Foundation.