https://mybryansk.ru/news/id-79980-ii-pomozhet-effektivnee-analizirovat-izobrazhenija-mikroskopa
ИИ поможет эффективнее анализировать изображения микроскопа
Прорыв в атомно-силовой микроскопии: ИИ увеличивает разрешение за пределы размера зонда
ИИ поможет эффективнее анализировать изображения микроскопа
Прорыв в атомно-силовой микроскопии: ИИ увеличивает разрешение за пределы размера зонда
2024-02-29T10:26+03:00
2024-02-29T10:26+03:00
2024-02-29T10:26+03:00
/html/head/meta[@name='og:title']/@content
/html/head/meta[@name='og:description']/@content
https://mybryansk.ru/uploads/prew/inner_webp/SuntpQIByHibEfrNO8r.WEBP
Метод атомно-силовой микроскопии (АСМ) широко применяется для трехмерного картирования поверхностей различных материалов. Однако точность АСМ ограничена размерами зонда, используемого для сканирования. Недавно разработанный алгоритм на основе искусственного интеллекта, созданный учеными из Университета Иллинойс в Урбана-Шампейн, позволяет преодолеть это ограничение, обеспечивая изучение структур меньше размера зонда, пишет Центральная Служба Новостей.
Этот алгоритм глубокого обучения уникален тем, что может исключать искажения, вызванные шириной зонда, из АСМ-изображений, обеспечивая в результате истинные трехмерные изображения поверхности с высоким разрешением. В то время как большинство методов микроскопии ограничиваются созданием лишь двумерных снимков, АСМ расширяет возможности, предоставляя детализированные трехмерные топографические карты. Эти карты создаются благодаря перемещению зонда по поверхности и фиксации его вертикальных перемещений.
Когда размер поверхностных структур приближается к 10 нанометрам, аналогично размеру зонда, они становятся слишком мелкими для детального изучения с помощью традиционного АСМ. Исследователи из Университета Иллинойс предложили уникальное решение этой проблемы, разработав алгоритм с использованием модели кодировщика-декодировщика для глубокого обучения. Этот алгоритм анализирует исходные АСМ-изображения, выделяя абстрактные характеристики и затем восстанавливает их в четкое изображение после коррекции искажений.
Для обучения алгоритма использовались искусственно созданные трехмерные структуры и их АСМ-снимки. Алгоритм обучался преобразовывать эти снимки, удаляя искажения, вызванные размерами зонда, и выделяя основные характеристики структуры. Проверка алгоритма на синтезированных наночастицах золота и палладия подтвердила его способность точно идентифицировать трехмерные особенности на наноуровне.
Мой Брянск
info@mybryansk.ru
Мой Брянск
2024
В мире
ru-RU
Мой Брянск
info@mybryansk.ru
Мой Брянск
Мой Брянск
info@mybryansk.ru
Мой Брянск
ИИ поможет эффективнее анализировать изображения микроскопа
Прорыв в атомно-силовой микроскопии: ИИ увеличивает разрешение за пределы размера зонда
Автор:
Владислав Дегтярёв
, Редактор Фото: © A. Krivonosov
Метод атомно-силовой микроскопии (АСМ) широко применяется для трехмерного картирования поверхностей различных материалов. Однако точность АСМ ограничена размерами зонда, используемого для сканирования. Недавно разработанный алгоритм на основе искусственного интеллекта, созданный учеными из Университета Иллинойс в Урбана-Шампейн, позволяет преодолеть это ограничение, обеспечивая изучение структур меньше размера зонда, пишет Центральная Служба Новостей.
Этот алгоритм глубокого обучения уникален тем, что может исключать искажения, вызванные шириной зонда, из АСМ-изображений, обеспечивая в результате истинные трехмерные изображения поверхности с высоким разрешением. В то время как большинство методов микроскопии ограничиваются созданием лишь двумерных снимков, АСМ расширяет возможности, предоставляя детализированные трехмерные топографические карты. Эти карты создаются благодаря перемещению зонда по поверхности и фиксации его вертикальных перемещений.
Когда размер поверхностных структур приближается к 10 нанометрам, аналогично размеру зонда, они становятся слишком мелкими для детального изучения с помощью традиционного АСМ. Исследователи из Университета Иллинойс предложили уникальное решение этой проблемы, разработав алгоритм с использованием модели кодировщика-декодировщика для глубокого обучения. Этот алгоритм анализирует исходные АСМ-изображения, выделяя абстрактные характеристики и затем восстанавливает их в четкое изображение после коррекции искажений.
Для обучения алгоритма использовались искусственно созданные трехмерные структуры и их АСМ-снимки. Алгоритм обучался преобразовывать эти снимки, удаляя искажения, вызванные размерами зонда, и выделяя основные характеристики структуры. Проверка алгоритма на синтезированных наночастицах золота и палладия подтвердила его способность точно идентифицировать трехмерные особенности на наноуровне.