إحداث ثورة في مجهر القوة الذرية: كشف اختراق الذكاء الاصطناعي

في تطور رائد، استغل العلماء في جامعة إلينوي أوربانا-شامبين قوة الذكاء الاصطناعي (AI) لإحداث ثورة في مجهر القوة الذرية (AFM). لطالما عانى AFM، وهو أداة أساسية في تقنية النانو، من القيود المفروضة بحجم مسبارها، مما قيد دقة الأسطح المادية التي يمكنه رسم خرائط لها بدقة في ثلاثة أبعاد.

قام فريق البحث، بقيادة البروفيسور ينغجي زانغ من قسم علوم وهندسة المواد، بتصميم خوارزمية تعلم عميق للتغلب على هذا القيد. ومفصلة في مجلة Nano Letters المرموقة، تتفوق ابتكار الذكاء الاصطناعي لديهم على الأساليب الحالية، مما يمكّن المجاهر من تمييز ميزات المواد الأصغر من طرف المسبار بدقة لا مثيل لها.

الذكاء الاصطناعي يفك رموز الأعماق بالتعلم العميق

في قلب اختراقهم يكمن إطار عمل المشفر-المفكك الذي تم تدريبه بعناية للتخلص من تأثيرات عرض المسبار من صور AFM. وأكد لاليث بوناغيري، المؤلف الرئيسي للدراسة وطالب دراسات عليا في مجموعة زانغ، على أهمية هذا النهج المدعوم بالذكاء الاصطناعي، الذي يقوم بتشفير صور AFM الخام بعناية، وإزالة التأثيرات غير المرغوب فيها، وفك تشفيرها إلى تمثيلات دقيقة لأسطح المواد.

تقنيات المجهرية كانت تقليدياً مقصورة إلى حد كبير على توفير لقطات ثنائية الأبعاد لأسطح المواد. ومع ذلك، يبرز AFM من خلال تقديم خرائط طبوغرافية شاملة، تعرض ملفات ارتفاع ميزات السطح. ومع ذلك، عندما تقترب ميزات السطح من مقياس طرف المسبار - حوالي 10 نانومتر - تفشل دقة المجهر. وقد تغلب فريق زانغ بشجاعة على هذا التحدي مباشرة، مقدماً حلاً حتمياً يتحدى القيود التقليدية.

التدريب من أجل التحول

أنشأ الباحثون صوراً اصطناعية لهياكل ثلاثية الأبعاد معقدة ومحاكاة لقراءات AFM لتدريب خوارزميتهم. تم تصميم الخوارزمية بعناية للتعامل مع صور AFM المحاكية هذه، واستخراج الميزات الأساسية المخفية بتأثيرات حجم المسبار. سلط بوناغيري الضوء على النهج غير التقليدي، لا سيما القرار بالتخلي عن خطوات معالجة الصور AI النموذجية للحفاظ على السطوع والتباين المطلق، مما يعزز فعالية الخوارزمية.

في عرض مقنع لقدرات الذكاء الاصطناعي لديهم، قام الفريق بتوليد جسيمات نانوية من الذهب والبلاديوم بأبعاد معروفة بدقة على ركيزة من السيليكون. وبشكل ملحوظ، قضت الخوارزمية بسلاسة على تأثيرات طرف المسبار، وحددت ووصفت بدقة الميزات ثلاثية الأبعاد المعقدة للجسيمات النانوية. شدد زانغ على أن هذا الإنجاز يمثل علامة فارقة مهمة، لكنه مجرد بداية لإمكانات الذكاء الاصطناعي في تطوير قدرات AFM.

بالنظر إلى المستقبل، المسار واضح - التحسين والتوسع. يتخيل زانغ تحسينات إضافية من خلال التدريب المستمر على مجموعات بيانات أكثر شمولاً وتنوعاً. وكما هو الحال مع جميع خوارزميات الذكاء الاصطناعي، فإن التحسينات التكرارية في الأفق، مما يعد بخطى أكبر حتى في كشف أسرار المناظر الطبيعية على المقياس النانوي.

يعلن اندماج الذكاء الاصطناعي وAFM الذي تقوده جامعة إلينوي أوربانا-شامبين عن عصر جديد في التصوير على المقياس النانوي. ومن خلال تجاوز قيود المنهجيات التقليدية، يعد هذا البحث الرائد برؤى غير مسبوقة في الأنظمة المادية والبيولوجية، ويمهد الطريق لتقدم تحويلي في تطوير الإلكترونيات النانوية.