革命性原子力显微镜：人工智能突破揭晓

在一项突破性进展中，伊利诺伊大学厄巴纳-香槟分校的科学家们利用人工智能（人工智能）的力量彻底改变了原子力显微镜（AFM）。AFM是纳米技术中的 staple，长期以来一直受到其探针尺寸限制的阻碍，限制了其准确绘制材料表面三维分辨率的能力。

由材料科学与工程系教授张英杰领导的科研团队，开发了一种深度学习算法来克服这一限制。他们的AI创新成果发表在著名的《纳米快报》（Nano Letters）期刊上，优于现有方法，使显微镜能够以无与伦比的精度描绘出小于探针尖端的材料特征。

利用深度学习解码深度

他们突破的核心是一个编码器-解码器框架，经过精心训练，以消除AFM图像中探针宽度的影响。该研究的主要作者、张教授研究组的研究生Lalith Bonagiri强调了这种人工智能驱动方法的重要性，该方法精心编码原始AFM图像，去除不需要的效果，并将其解码为材料表面的精确表示。

传统上，显微镜技术主要局限于提供材料表面的二维快照。然而，AFM脱颖而出，提供全面的拓扑图，展示表面特征的高度分布。然而，当表面特征接近探针尖端（约10纳米）的尺度时，显微镜的分辨率就会下降。张的团队大胆地正面应对这一挑战，提供了一种打破传统限制的确定性解决方案。

为变革而训练

研究人员生成了复杂三维结构的人工图像，并模拟AFM读数来训练他们的算法。该算法经过精心制作，以操纵这些模拟的AFM图像，提取被探针尺寸效应掩盖的底层特征。Bonagiri强调了这种非传统方法，特别是决定放弃典型的人工智能图像处理步骤以保留绝对亮度和对比度，从而提高了算法的有效性。

在展示其人工智能实力的令人信服的演示中，团队在硅基底上合成了具有精确已知尺寸的gold和palladium纳米颗粒。令人惊讶的是，该算法无缝消除了探针尖端效应，准确识别并表征了纳米颗粒复杂的三维特征。张强调，虽然这一成就标志着重要的里程碑，但它只是人工智能在推进AFM能力方面潜力的冰山一角。

展望未来，轨迹很明确——完善和扩展。张设想通过对更广泛和多样化的数据集进行持续训练来进一步改进。与所有人工智能算法一样，迭代改进即将到来，有望在揭示纳米尺度景观的奥秘方面取得更大的进步。

由伊利诺伊大学厄巴纳-香槟分校主导的人工智能与AFM的融合，标志着纳米尺度成像新时代的到来。通过超越传统方法的局限性，这项突破性研究承诺对材料和生物系统提供前所未有的见解，并为纳米电子学开发的变革性进展铺平道路。