[论文解读] Autonomous Experiments in Scanning Probe Microscopy and Spectroscopy: Choosing Where to Explore Polarization Dynamics in Ferroelectrics

Rama K. Vasudevan, Kyle P. Kelley+5 more|arXiv (Cornell University)|Nov 25, 2020

Non-Destructive Testing Techniques被引用 1

一句话总结

本文提出了一种集成扫描探针显微镜的贝叶斯优化（BO）框架，可自主识别铁电材料（如PbTiO3）中高机电响应区域。通过利用先验数据和实时反馈，该方法将采样量减少80%，同时捕获95%的高响应簇，实现了复杂材料中高效、定向的光谱分析。

ABSTRACT

Polarization dynamics in ferroelectric materials are explored via the automated experiment in Piezoresponse Force Spectroscopy. A Bayesian Optimization framework for imaging is developed and its performance for a variety of acquisition and pathfinding functions is explored using previously acquired data. The optimized algorithm is then deployed on an operational scanning probe microscope (SPM) for finding areas of large electromechanical response in a thin film of PbTiO3, with metrics showing gains of ~3x in the sampling efficiency. This approach opens the pathway to perform more complex spectroscopies in SPM that were previously not possible due to time constraints and sample stability, tip wear, and/or stochastic sample damage that occurs at specific, a priori unknown spatial positions. Potential improvements to the framework to enable the incorporation of more prior information and improve efficiency further are discussed.

研究动机与目标

• 开发一种用于扫描探针显微镜的自主实验工作流程，以减少复杂光谱分析过程中的时间和样品退化。
• 通过基于先验数据和实时反馈优化探针轨迹，实现实时、自适应地探索铁电材料。
• 证明贝叶斯优化可显著减少在多结构域铁电体中定位感兴趣区域所需的测量次数。
• 将先验知识（如高分辨率PFM图像或基于卷积神经网络的特征提取）整合到优化过程中，以提高采样效率。
• 在真实SPM硬件上验证该框架，使用PbTiO3薄膜展示其相对于经典网格扫描的性能优势。

提出的方法

• 采用基于高斯过程的贝叶斯优化（GP-BO）框架，基于顺序测量结果在二维图像平面上建模未知响应函数。
• 通过采集函数平衡探索与利用，选择具有最高预期信息增益的下一个测量点，同时考虑信号强度和采集时间。
• 路径规划函数确定最优扫描序列，以最小化点间移动时间，同时最大化信息增益。
• 通过代理模型整合先验信息：(1) 高分辨率PFM图像，(2) 用于从图像特征预测回线面积的预训练卷积神经网络（CNN），(3) 基于PFM振幅图的梯度加权种子。
• 系统运行在GPU加速的边缘计算平台上，实现实验过程中的实时推理与决策。
• 在Cypher SPM上使用700 nm厚的PbTiO3薄膜验证该框架，以回线面积作为优化目标指标。

实验结果

研究问题

• RQ1 贝叶斯优化能否减少识别铁电薄膜中高响应区域所需的测量次数？
• RQ2 整合先验知识（如PFM图像或基于CNN的特征）如何提升自主SPM实验的效率？
• RQ3 自适应扫描协议中，信息增益与采集时间之间的权衡是什么？
• RQ4 基于GPU加速的实时贝叶斯优化工作流程能否在商用SPM系统上实际部署？
• RQ5 在识别大极化开关区域方面，不同代理模型（如CNN与基于图像的先验）的性能如何比较？

主要发现

• 该自主BO框架仅采样20%的区域，即捕获了PbTiO3中95%的高响应簇，显著优于经典网格扫描。
• 在约500个采样像素后，基于CNN的代理模型在10次试验中性能达到或优于其他方法，表明其能从初始数据中有效学习特征。
• 整合先验知识（如初始PFM扫描中获得的高压电响应）可提高采样效率，并减少漂移引起的误差。
• 利用基于PFM振幅图的梯度加权种子可实现更快收敛，因为高响应梯度区域被优先探索。
• 该框架在商用SPM上实现了实时运行，借助基于GPU的边缘计算，实现了自主实验的实际部署。
• 发现漂移效应会降低CNN和基于图像先验的性能，凸显了在实际应用中实现鲁棒漂移校正的必要性。