康涅狄格大学与MATLAB开发出断层扫描原子力显微镜

| 作者 Bryan Huey，康涅狄格大学

原子力显微镜 (AFM) 是纳米技术的基石技术，使研究人员能够以亚纳米分辨率获得对表面形貌的详细了解。该技术涉及使用尖锐探针扫描样本，以极高的精度绘制表面特征图，这一能力使 AFM 成为材料科学、物理学、机械工程和生物学等领域的重要工具。

在传统的 AFM 中，目标之一是尽量减少探头与材料接触的力，通常将该力减小到仅仅皮牛顿级别。我在康涅狄格大学 (UConn) 的研究小组彻底颠覆了这一想法，通过强制探头刮擦或挖入样本，以便我们可以测量表面甚至表面以下的压电响应、光电流和其他材料特性。这种新方法称为断层扫描原子力显微镜 (TAFM)，可以重建样品的 3D 图像，揭示传统 AFM 无法检测到的内部结构和地下特征。

图 . 通过 TAFM 测量的纳米复合材料压电响应的 3D 表示，比例尺为 500 x 500 x 25 nm。

处理 TAFM 数据本身就存在一系列挑战。一个主要问题是 z 方向(深度)数据的稀疏性。与均匀获取数据的传统成像方法不同，TAFM 通常会生成有限数量的非线性分布的数据点，尤其是沿 z 轴。这种稀疏的数据分布使重建过程变得复杂，需要复杂的计算方法来准确地插入和可视化数千张连续图像中的缺失信息。

我的研究小组，康涅狄格大学材料科学与工程系的 HueyAFM 实验室，最近实施了一种用于后处理 TAFM 数据的新方法。这种基于 MATLAB 的新方法采用了 Lidar Toolbox(一个汽车和其他行业的工程师通常用来设计、分析和测试激光雷达处理系统的产品)创新用法，以加速 TAFM 数据的可视化和分析。Lidar Toolbox 点云功能对于原始 TAFM 数据的高级可视化特别有用，使我们能够将稀疏结果网格化以导出到 3D 图像堆栈。除了简化执行 3D 分割、计算表面法线和曲率以及确定沿各个矢量的依赖关系等任务之外，MATLAB 和 Lidar Toolbox 还将 TAFM 数据集后处理所需的时间从数小时缩短到几分钟，从而大大提高了我们研究的速度和影响力。

传统后处理的挑战

我们实验室中使用的原子力显微镜在单次断层扫描实验中产生大约 1 亿个数据点。这包括沿 x、y 和 z 方向的超过 1000 万个不同坐标的测量，每个坐标测量多个属性，例如力、压电性、电导率、光电导性、表面电位、刚度和/或磁场。

图 . 康涅狄格大学 HueyAFM 实验室的四台牛津仪器庇护所研究原子力显微镜之一。

最后，我们需要通过可视化来展示可以被视为彩色构建块的结构，其中每个块或体素的颜色表示该微小样本体积中特定测量材料属性的值。该构建块结构的 x 维和 y 维定义明确，但 z 维需要后处理，以解决我们在实验过程中对样本进行精细挖掘所导致的数据稀疏性和不均匀分布的问题。最初，我们使用 MATLAB 中的 3D 插值算法对实验数据进行后处理，以便在均匀深度下进行可视化。虽然这种方法有效，但由于数据集的大小和复杂性，需要几个小时的处理时间。

Lidar Toolbox 的新颖用例

在寻找缩短后处理时间的方法时，我想到使用 Lidar Toolbox 的点云功能——特别是 X 和 Y 函数——分析TAFM数据。我用了 rmmissing 处理有时为了裁剪、过滤或分割目的而被掩盖的缺失数据或数据点;pcdownsample 考虑数据量;以及 pcShow 进行可视化。

使用 Lidar Toolbox 进行 TAFM 后处理的主要好处是速度：它比

我们以前的方法快一千倍。另一个好处是提高了可视化效果，这在我们探索数据时至关重要。现在我们可以放大和缩小并旋转样本，以更好地观察材料及其属性。

同样重要的是，我们采用 Lidar Toolbox 的新后处理方法增强了我们对分析的信心。例如，使用 Lidar Toolbox 我们可以轻松确定任何给定体素中存在多少个数据点。此外，我们可以选择每个体素的深度，优化该深度，以便大多数体素至少包含一个数据点。作为研究人员，我们对测量的准确性有更好的感觉。当然，当我们发表我们的研究结果时，必须报告我们并不是简单地在稀疏数据点之间进行插值，而是我们拥有分析体积中几乎所有可能的体素的真实数据(通常至少 99%)。

后续步骤

将 Lidar Toolbox 纳入我们的后处理工作流程为我们进一步了解所研究的材料开辟了新的机会。例如，我们可以使用 x、y 和 z 位置来定义一个表面，然后使用 Lidar Toolbox 函数来分析和量化该表面的曲率。

图 . 可视化两个主曲率(κ1 在左边，κ2 在右侧)可更好地理解从 TAFM 数据得出的表面特征，例如峰、谷和鞍点。

我们知道 Lidar Toolbox 具有我们尚未应用的附加功能。展望未来，我们计划进行更多探索。我们还认为，对大型 TAFM 数据集的自动分析是未来不可避免的一步。将我们的后处理和点云活动与其他 MATLAB 功能(包括机器学习和 AI)相结合的能力将变得越来越有价值。

这些进步，加上 MATLAB 和 Lidar Toolbox 所实现的加快研究步伐，正在不断加深我们对材料特性的理解，这些材料对于声纳和超声波成像、计算机存储设备、MEMS 传感器和太阳能电池板等一系列重要技术的性能至关重要。这种更深入的理解将有助于工程的各个阶段。在前端，凭借对纳米级材料特性的全面了解，工程师可以设计出更高效、更可靠的技术。在后端，我们可以有选择地评估使用过程中或加速退化后性能高或差的区域。最终，我们可以优化下一代材料解决方案的功能性和可靠性，以应对工程挑战。

全球 6,500 多所高校使用 MATLAB 和 Simulink 广泛开展各类工程和科学学科的教学与研究。目前，有 2,300 多所大学(包括全球 300 所顶尖大学中的 89%)可通过 Campus-Wide License 无限制访问所有 MathWorks 产品。