2022 Fiscal Year Annual Research Report
Machine learning-based noise filtering for rapid scan STEM image and its application to in-situ 3D dislocation observation
| Project/Area Number |
21K20491
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
井原 史朗 九州大学, 先導物質化学研究所, 助教 (60909745)
|
|---|
| Project Period (FY) |
2021-08-30 – 2023-03-31
|
| Keywords | 走査透過電子顕微鏡法 / 深層学習 / その場観察 / 転位 |
|---|
| Outline of Annual Research Achievements |
透過電子顕微鏡（TEM） 技術の進展により，TEM内で試料に負荷や加熱を行うその場観察はもはや一般化したと言っても過言ではない．電子線を試料に対して並行入射させるTEM モードは時間・空間分解能に優れるため，その場観察においては頻繁に用いられている．一方でこれと対照的な，試料上を収束した電子線で走査する走査透過電子顕微鏡法（STEM）という手法も確立されており，こちらは色収差が少ないためTEM よりも厚い試料を観察可能であったり ，動力学的回折の影響を軽減しやすかったりと ，結像原理的にはTEM よりも優れた部分が多い．しかし，収束電子線を試料表面上で一点一点動かすため，高速撮像を苦手としており，試料が時々刻々と変化していくようなその場観察には不向きである.近年のTEM装置ではSTEMによる毎秒約30フレーム程の高速撮像が可能になっているのの，STEM特有のノイズや像ひずみが生じるという問題がある．従来のノイズフィルタはノイズの関数形を仮定する必要があり，STEM特有のノイズという問題には適用が困難であった．
本研究では，STEMをその場観察に適用可能な速さで運用できるようにすべく，高速撮像したSTEM像における像ひずみ補正アルゴリズムの開発，高速撮像と低速撮像間での深層学習によるノイズ除去，さらにはこれら画像処理技術をその場観察に適用した．従来報告されてきた像ひずみ補正アルゴリズムは，原子分解能像などの規則性のある像を基にして作成されることが多かったが，本研究ではランダムに配置された転位のSTEM像にも適用できることを前提としており，より一般性の高いひずみ補正手法を開発できた．作成された深層学習ノイズフィルタは加熱その場観察に適用され，学習とは異なる材料においても性能を発揮したことから，汎用性が示されたと言える．
|
