无监督流形学习助力高精度扫描探针功能成像

海归学者发起的公益学术平台

分享信息，整合资源

交流学术，偶尔风月

扫描探针（SPM）功能成像已经被广泛用于诸多纳米材料领域中。扫描探针频谱分析的目标是从悬臂的动力特征来推断材料的结构和功能：特别是过去十年间，扫描探针技术在多通道，宽频/高维数据收集方面取得了显著进展。

任何多频/多维 SPM 信号分析方法的改进都可能促进诸多材料领域里的进步。来自美国橡树岭国家实验室的 Xin Li 和 Sergei Kalinin 最近提出了基于流形学习（manifold learning）的无监督学习方法。该方法能够高效的从高维扫描探针信号中多层次的提取具有丰富局部细节的材料特征，进一步实现去噪，分类和高精度功能成像。他们将这一方法应用在频带激励（BE-SPM）和 三维（3D-AFM）原子力扫描探针上，并展示了混合聚合物机械性能的高精度成像和在原子分辨率上对方解石不规则水化结构的解析。这一方法有望推进新一轮扫描探针“ 和相关材料应用领域的发展。该成果以“High-veracity functional imaging in scanning probe microscopy via Graph-Bootstrapping”为题发表在《自然通讯》上。

高维扫描探针信号在低维流形空间的分布。通过图的自抽样（ Graph-Bootstrapping),  能够将更深层的结构细节展现出来。

流形空间上的聚类在材料结构上的映射

扩展阅读

 

本文系网易新闻·网易号“各有态度”特色内容

媒体转载联系授权请看下方