Что, если технология визуализации сверхвысокого разрешения, используемая в новейших телевизорах 8K премиум-класса, будет применена к сканирующей электронной микроскопии, необходимому оборудованию для исследования материалов?
Совместная исследовательская группа из POSTECH и Корейского института материаловедения (KIMS) применила глубокое обучение к сканирующей электронной микроскопии (SEM), чтобы разработать метод визуализации сверхвысокого разрешения, который может преобразовывать изображения микроструктуры, полученные методом дифракции обратного рассеяния электронов (EBSD). полученные с помощью обычного оборудования для анализа в изображения сверхвысокого разрешения. Результаты этого исследования были недавно опубликованы в npj Computational Materials.
В современных исследованиях материалов изображения SEM играют решающую роль в разработке новых материалов, начиная с визуализации микроструктуры и определения характеристик, а также в численном анализе поведения материалов. Однако получение данных изображения микроструктуры высокого качества может быть исчерпывающим или требующим значительных затрат времени из-за аппаратных ограничений SEM. Это может повлиять на точность последующего анализа материала, и поэтому крайне важно преодолеть технические ограничения оборудования.
Для этого совместная исследовательская группа разработала более быструю и точную технику визуализации микроструктуры с использованием глубокого обучения. В частности, с помощью сверточной нейронной сети разрешение существующего изображения микроструктуры было улучшено в 4, 8 и 16 раз, что сокращает время визуализации до 256 раз по сравнению с традиционной системой SEM.
Кроме того, визуализация со сверхвысоким разрешением подтвердила, что морфологические детали микроструктуры могут быть восстановлены с высокой точностью с помощью определения характеристик микроструктуры и анализа методом конечных элементов.
«Благодаря технологии EBSD, разработанной в этом исследовании, мы ожидаем, что время, необходимое для разработки новых материалов, будет значительно сокращено», — пояснил профессор Хён Соп Ким из POSTECH, руководивший исследованием.
Это исследование было проведено при поддержке Программы исследователей среднего звена Национального исследовательского фонда Кореи, Программы высшей школы искусственного интеллекта Института продвижения информационных и коммуникационных технологий (IITP) и фазы 4 программы Brain Korea 21 Министерства образования и при поддержке Корейского института исследования материалов.
