[论文解读] Autonomous Scanning Probe Microscopy in-situ Tip Conditioning through Machine Learning

Mohammad Rashidi, Robert A. Wolkow|PubMed|Mar 19, 2018

Force Microscopy Techniques and Applications被引用 7

一句话总结

该论文提出了一种基于机器学习的系统，通过卷积神经网络（CNN）对扫描探针显微镜（SPM）探针进行原位自动检测与调节，利用硅悬挂键成像评估探针质量。该方法在识别劣化探针方面准确率超过99%，并能自动执行原位调节，直至恢复为尖锐探针，从而实现无需人工干预的可靠原子尺度制造。

ABSTRACT

Atomic-scale characterization and manipulation with scanning probe microscopy rely upon the use of an atomically sharp probe. Here we present automated methods based on machine learning to automatically detect and recondition the quality of the probe of a scanning tunneling microscope. As a model system, we employ these techniques on the technologically relevant hydrogen-terminated silicon surface, training the network to recognize abnormalities in the appearance of surface dangling bonds. Of the machine learning methods tested, a convolutional neural network yielded the greatest accuracy, achieving a positive identification of degraded tips in 97% of the test cases. By using multiple points of comparison and majority voting, the accuracy of the method is improved beyond 99%.

研究动机与目标

• 实现扫描探针显微镜中探针的原位自动调节，消除人工干预，提高原子尺度实验的可靠性。
• 开发一种机器学习框架，通过分析表面悬挂键的STM图像检测探针劣化。
• 将自动化的探针质量评估与调节集成到现有的自主原子制造工作流程中。
• 将该方法推广至其他材料体系和纳米尺度成像技术。

提出的方法

• 在3,500张手动标注的28×28像素STM图像上训练卷积神经网络（CNN），图像内容为氢终止Si(100)表面的孤立硅悬挂键。
• 通过旋转和镜像每张图像对训练数据集进行增强，使数据集规模扩大八倍，以提升模型泛化能力。
• CNN通过实时分析操作过程中STM图像中孤立悬挂键的外观来评估探针质量。
• 当CNN检测到双探针（质量劣化）时，系统会通过在选定表面位置进行受控压入触发原位探针调节。
• 通过多张图像比较和多个悬挂键图像的多数投票机制，将分类准确率提升至99%以上。
• 自动化流程使用Python和LabVIEW实现，通过Nanonis SPM控制器接口集成，嵌入完整的SPM制造流程中。

实验结果

研究问题

• RQ1 基于表面缺陷的STM图像，机器学习模型能否准确检测劣化的扫描探针显微镜探针？
• RQ2 对多个图像样本进行多数投票如何提升探针质量分类的可靠性？
• RQ3 自动化原位探针调节能否在无人监督下恢复原子尖锐度？
• RQ4 该框架在多大程度上可推广至其他材料和纳米尺度成像技术？

主要发现

• 卷积神经网络在基于硅悬挂键STM图像识别劣化探针方面取得了97%的精确率。
• 通过在多个图像样本上应用多数投票机制，系统将探针质量分类准确率提升至99%以上。
• 自动化流程在原子制造后成功检测到双探针，并在三次调节循环后通过后续STM成像确认恢复了探针的尖锐度。
• 该方法已成功集成至自主原子线制造流程中，在整个图案化序列中保持了高图像质量和低错误率。
• 该框架在真实SPM系统上表现出稳健性能，工作温度为4.5 K，处于超高真空环境，使用电化学蚀刻的钨探针。
• 该方法可推广至其他材料体系和纳米尺度成像技术，包括半导体制造中的关键尺寸分析。