| 研究課題/領域番号 |
21K18876
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分28:ナノマイクロ科学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
阿部 真之 大阪大学, 大学院基礎工学研究科, 教授 (00362666)
|
|---|
| 研究期間 (年度) |
2021-07-09 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2022年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2021年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
|
|---|
| キーワード | 氷表面 / 非接触原子間力顕微鏡 / 圧縮センシング / 機械学習 / 原子間力顕微鏡 / 疑似液体層 |
|---|
| 研究開始時の研究の概要 |
本研究の目的を達成させるためには、まず、ハードウェアだけで最高速の走査速度の限界を見出し、さらに機械学習の技術を融合することで、本研究の目的を達成させる。具体的には、１．高速スキャナを組み込んだFM-AFMの実現、２．機械学習との融合によるイメージングの超高速化、３．氷結晶表面における超高速イメージングと結晶成長メカニズムの解明
を行う。
|
| 研究成果の概要 |
本研究では氷表面における走査型プローブ顕微鏡測定（SPM）で課題であった、（１）温度変化が生じているときの熱ドリフト補正、（２）測定の高速化、（３）SPM探針の自動調整に関して、機械学習をはじめとするソフトウェア技術によって解決した。（１）に関しては、特徴点抽出法による熱ドリフト補正方法の確立させ、最大３日間、同視野での観測を可能にした。（２）に関しては圧縮センシングを用いたデータ補完による測定高速化を行い、ハードウェアの変更なしで測定時間を1/8に短縮できることを示した。（３）においては、機械学習を用いて全自動で探針を調整する技術を開発した。
|
| 研究成果の学術的意義や社会的意義 |
本研究で解決した上記の走査型プローブ顕微鏡における課題は、研究者が望んでいる実験データを得るために問題となっていた。本研究によって氷表面だけでなく、様々な分野への測定に利用することで、これまで行えなかった実験研究を可能にしたことに学術的意義がある。さらに、実験研究に積極的にソフトウェアの技術を導入することで、走査型プローブ顕微鏡以外への横展開も可能になってきたといえる。
|
