[论文解读] SiMiC: Context-Aware Silicon Microstructure Characterization Using Attention-Based Convolutional Neural Networks for Field-Emission Tip Analysis

Jing Jie Tan, Rupert Schreiner+9 more|arXiv (Cornell University)|Jan 21, 2026

Machine Learning in Materials Science被引用 0

一句话总结

SiMiC 提出一个基于CNN的框架，结合注意力机制从SEM图像提取硅材料微结构特征，支持场发射尖端的多参数预测（宽度、高度、半径），并通过注意力、数据增强和骨干网络选择实现改进。

ABSTRACT

Accurate characterization of silicon microstructures is essential for advancing microscale fabrication, quality control, and device performance. Traditional analysis using Scanning Electron Microscopy (SEM) often requires labor-intensive, manual evaluation of feature geometry, limiting throughput and reproducibility. In this study, we propose SiMiC: Context-Aware Silicon Microstructure Characterization Using Attention-Based Convolutional Neural Networks for Field-Emission Tip Analysis. By leveraging deep learning, our approach efficiently extracts morphological features-such as size, shape, and apex curvature-from SEM images, significantly reducing human intervention while improving measurement consistency. A specialized dataset of silicon-based field-emitter tips was developed, and a customized CNN architecture incorporating attention mechanisms was trained for multi-class microstructure classification and dimensional prediction. Comparative analysis with classical image processing techniques demonstrates that SiMiC achieves high accuracy while maintaining interpretability. The proposed framework establishes a foundation for data-driven microstructure analysis directly linked to field-emission performance, opening avenues for correlating emitter geometry with emission behavior and guiding the design of optimized cold-cathode and SEM electron sources. The related dataset and algorithm repository that could serve as a baseline in this area can be found at https://research.jingjietan.com/?q=SIMIC

研究动机与目标

• 推动高通量、客观的硅微结构表征，以支持场发射尖端设计。
• 建立利用SEM成像的硅基场发射尖端数据集用于ML分析。
• 提出SiMiC架构，集成CNN骨干、可选结构模块和注意力以预测几何参数。
• 评估骨干网络选型（ResNet、EfficientNet、MobileNet）与注意力机制对准确性与可解释性的影响。
• 证明数据增强与显式宽度/高度输入能提升半径预测及整体性能。

提出的方法

• 一个CNN骨干网络处理SEM图像以预测尖端几何参数（宽度、高度、半径）。
• 一个可选的结构模块提供参考尺寸；一个嵌入层将宽度/高度投射到注意力流中。
• 探索两种注意力机制：Bahdanau风格的加性注意力和多头注意力（MHA）。
• 基于CoordConv的结构富化以及一个可学习投影将目标几何嵌入以引导注意力。
• 训练采用Huber损失以在鲁棒性与平滑优化之间取得平衡。
• 在不同骨干网络（ResNet、EfficientNet、MobileNet）上进行大规模评估，既有也无数据增强以评估性能。

实验结果

研究问题

• RQ1 CNN+注意力是否能从SEM图像可靠推断硅尖端的几何参数（宽度、高度、半径）？
• RQ2 哪种骨干架构和注意力机制在微结构参数的预测准确性上表现最佳？
• RQ3 数据增强和显式几何输入（宽度/高度）如何影响半径预测及整体模型性能？
• RQ4 将结构模块与CoordConv结合是否能改善特征对齐和预测的可解释性？

主要发现

• ResNet骨干在所有预测变量的RMSE上均优于EfficientNet和MobileNet。
• 多头注意力在性能上优于加性注意力和非注意力基线。
• 数据增强显著降低RMSE并提升R2，在不同配置中均有提升。
• 将宽度和高度作为输入特征显著降低半径RMSE（半径仅预测时下降一半），如使用ResNet时从0.0443降至0.0225。
• 在ResNet基础上使用增强的多头注意力达到最佳半径RMSE（全量预测0.0319，半量预测0.0117）以及半量预测的最高R2（0.3098）。
• 注意力映射显示模型能够聚焦于对象轮廓和上下文区域，几何线索引导半径估计。