Lidar Toolbox で断層原子間力顕微鏡データの後処理を高速化

原子間力顕微鏡 (AFM) はナノテクノロジーの基礎となる技術であり、研究者はサブナノメートルの解像度で表面地形の詳細な情報を得ることができます。この技術では、鋭いプローブをサンプル全体に走査し、表面の特徴を非常に高い精度でマッピングします。この機能により、AFM は材料科学、物理学、機械工学、生物学などの分野で不可欠なツールとなっています。

従来の AFM では、プローブが材料と接触する力を最小限に抑えることが目的の 1 つであり、多くの場合、この力はわずかピコニュートンにまで低減されます。コネチカット大学 (UConn) の私の研究グループは、この考え方を覆し、プローブをサンプルにこすりつけたり掘り込んだりして、表面上または表面下で圧電応答、光電流、その他の材料特性を測定できるようにしました。断層撮影 AFM (TAFM) と呼ばれるこの新しいアプローチにより、サンプルの 3D 画像を再構築し、従来の AFM では検出できなかった内部構造や地下の特徴を明らかにすることができます (図 1)。

TAFM データの処理には独自の課題が伴います。大きな問題の 1 つは、Z 方向 (深さ) のデータのスパース性です。データを均一に取得する従来の画像処理方法とは異なり、TAFM では、特に Z 軸に沿って、限られた数の非線形に分散されたデータ点が生成されることがよくあります。このまばらなデータ分布により再構築プロセスが複雑になり、何千もの連続画像から欠落した情報を正確に補間して可視化するには高度な計算手法が必要になります。

私のグループであるコネチカット大学材料科学工学部の HueyAFM Labs は、最近、TAFM データのポスト処理に新しいアプローチを導入しました。MATLAB^® をベースにしたこの新しいアプローチは、Lidar Toolbox™ の革新的な使用法を取り入れて TAFM データの可視化と分析を加速します。このツールは通常、自動車やその他さまざまな業界のエンジニアが LiDAR 処理システムの設計、分析、テストのために使用する製品です。Lidar Toolbox の点群機能は、TAFM 生データの高度な可視化に特に役立ち、まばらな結果をグリッド化して 3D イメージスタックにエクスポートできます。MATLAB と Lidar Toolbox は、3D セグメンテーションの実行、表面法線と曲率の計算、さまざまなベクトルに沿った依存関係の決定などのタスクを簡素化するだけでなく、TAFM データ セットの後処理に必要な時間を数時間から数分に短縮し、研究のペースと影響を大幅に向上させました。

従来の後処理の課題

私たちの研究室で使用している原子力顕微鏡 (図 2) は、1 回の断層撮影実験で約 1 億のデータ点を生成します。これには、x、y、z 方向に沿った 1,000 万を超える異なる座標での測定が含まれ、各座標では、力、圧電性、導電性、光伝導性、表面電位、剛性、磁場など、複数の特性が測定されます。

最終的には、可視化により色付きの基本ブロックの構造を示す必要があります。各ブロック (またはボクセル) の色は、その小さなサンプル ボリューム内で測定された特定の材料特性の値を示します。この基本ブロック構造の x 次元と y 次元は明確に定義されていますが、z 次元については、実験中にサンプルを細かく調査した結果生じるデータのスパース性と不均一な分布を考慮するために後処理が必要です。最初に、MATLAB の 3D 内挿アルゴリズムを使用して、均一な深さでの可視化のために実験データを後処理しました。このアプローチは機能しましたが、データセットのサイズと複雑さのために、数時間の処理時間が必要でした。

Lidar Toolbox の新たな使用例

後処理時間を短縮する方法を探しているときに、Lidar Toolbox の点群機能 (具体的にはX 関数と Y 関数) を使って TAFM データを分析することを思い付きました。私は、欠損データや、トリミング、フィルタリング、セグメンテーションのためにマスクされたデータ点を処理するために rmmissing を使用し、データ量の考慮に pcdownsample、可視化には pcShow を使いました。

TAFM の後処理に Lidar Toolbox を使用する主な利点は速度です。これは、以前のアプローチに比べて優に 1000 倍も高速です。もう 1 つの利点は可視化の向上であり、これはデータを調査するときに非常に重要です。これで、サンプルを回転させながらズームイン/ズームアウトして、材料とその特性をより詳細に可視化できるようになりました (図 3)。

同様に重要なのは、Lidar Toolbox を使用した新しい後処理アプローチにより、分析の信頼性が向上したことです。たとえば、Lidar Toolbox を使用すると、特定のボクセル内に存在するデータ点の数を簡単に判断できます。さらに、各ボクセルの深度を選択して、ほとんどのボクセルに少なくとも 1 つのデータ点が含まれるようにこの深度を最適化することもできます。研究者として、私たちは測定の精度に対してに鋭い感覚を持っています。もちろん、調査結果を公表する際には、単にまばらなデータ点間を補間しているのではなく、分析対象ボリューム内のほぼすべてのボクセル (通常は少なくとも 99%) の実際のデータを取得していることを報告することが重要です。

次のステップ

Lidar Toolbox を後処理ワークフローに組み込むことで、研究対象の材料についてさらに詳しく学ぶ新たな機会が生まれました。たとえば、x、y、z の位置を使用して表面を定義し、Lidar Toolbox 関数を使用してその表面の曲率を分析して定量化することができます (図 4)。

Lidar Toolbox には、まだ使っていない追加機能があることはわかっています。今後、それをさらに探求していく予定です。また、大規模な TAFM データセットの自動分析も、将来的には必然的なステップになると考えています。後処理と点群に関する作業を、機械学習や AI などの他の MATLAB 機能と統合する機能は、ますます価値が高まります。

こうした進歩と、MATLAB と Lidar Toolbox により可能になった研究の加速により、ソナーや超音波画像、コンピュータ メモリ デバイス、MEMS センサー、太陽電池パネルなど、数多くの重要な技術の性能に不可欠な材料の特性について、継続的に理解が深まってきています。このさらに深い理解は、エンジニアリングのあらゆる段階で役立ちます。フロントエンドでナノスケールまでの材料特性に関する包括的な知識を備えることで、エンジニアはより効率的で信頼性の高いテクノロジーを設計することができます。バックエンドでは、運用中の使用または劣化の加速後に、パフォーマンスが高い領域または低い領域を選択的に評価できます。最終的には、次世代の材料を活用したソリューションの機能性と信頼性を最適化し、エンジニアリングの課題に対応することができます。