В мире нанотехнологий чёткое видение — непростая задача. Особенно трудно понять, как свойства материала связаны с его структурой на наноуровне. Такие инструменты, как пьезорезонансная силовая микроскопия (ПРМ), помогают учёным изучать функциональность материалов на наноуровне, показывая, как они реагируют на электрические поля. Но эти сигналы часто скрыты в шуме, особенно когда материал проявляет наиболее интересные физические свойства.
Исследователи из Технологического института Джорджии разработали новый мощный метод извлечения значимой информации даже из самых шумных данных. Их подход, сочетающий физическое моделирование с передовой статистической реконструкцией, может значительно повысить точность и достоверность измерений свойств на наноуровне.
Основные моменты исследования
- Команда исследователей: под руководством Назанин Бассири-Гарб, профессора в Школе машиностроения Джорджа В. Вудраффа и Школе материаловедения и инженерии (MSE), в исследовании приняли участие Ко-ведущие авторы Кериша Уильямс, бывший аспирант MSE, и Генри Шаову Ючи, бывший аспирант в Школе промышленных и системных инженерий (ISyE), а также другие сотрудники.
- Метод: команда использовала ошибки из стандартного процесса подгонки сигнала, основанные на простой модели гармонического осциллятора контакта наконечника с поверхностью, чтобы определить, какие точки данных были ненадёжными. Затем они использовали статистические методы машинного обучения для реконструкции целых сегментов пропущенных или зашумлённых сигналов.
- Новый метод: команда использовала новый статистический метод машинного обучения, разработанный исследовательской группой ISyE, называемый Bayesian matrix completion (BayeSMG). Этот метод предназначен для обработки беспорядочных и неполных данных путём поиска закономерностей и снижения шума.
Применение метода
После очистки данных команда применила стандартную модель для извлечения физически осмысленных значений, соответствующих известному поведению. BayeSMG также предоставляет информацию о том, насколько исследователи могут быть уверены в этих результатах, оценивая неопределённость.
Когда метод был применён к свинцово-магниевому ниобату-свинцово-титанату (материал, обычно используемый в подводных акустических преобразователях и медицинских ультразвуковых устройствах), он выявил более чистое и физически реалистичное динамическое полярное поведение, чем традиционные методы.
Преимущества метода
- Точность: метод устраняет вводящие в заблуждение артефакты, такие как плато сигнала или внезапные скачки и провалы, которые иногда интерпретировались как признаки сложных фазовых переходов или механической связи.
- Прозрачность: команда задокументировала каждый шаг конвейера обработки данных, обращая внимание на субъективные решения, которые исследователи часто принимают за кулисами, например, выбор частотных диапазонов, методов фазовой калибровки или порогов ошибок.
Бассири-Гарб и Уильямс надеются, что их подход послужит моделью для более широкого сообщества SPM и за его пределами. Они выступают за открытый обмен метаданными, кодом и деталями обработки, соответствуя принципам F.A.I.R., которые способствуют воспроизводимости и прозрачности науки.
И хотя их метод был продемонстрирован на примере ПРМ, он применим к широкому спектру методов, где внешние поля используются для исследования материалов на наноуровне.