Машинное обучение в расшифровке начального взаимодействия зонда атомно-силового микроскопа с поверхностью
Another Title
Machine Learning in Understanding the Initial Interaction of the Atomic Force Microscope Probe with the Surface
Bibliographic entry
Морозов, И. А. Машинное обучение в расшифровке начального взаимодействия зонда атомно-силового микроскопа с поверхностью = Machine Learning in Understanding the Initial Interaction of the Atomic Force Microscope Probe with the Surface / И. А. Морозов // Приборы и методы измерений. – 2026. – № 1. – С. 77-86.
Abstract
Достоверное определение начала контакта зонда атомно-силового микроскопа с поверхностью в силовых измерениях необходимо для изучения структурных и физико-механических свойств материалов. В экспериментах в воздушной среде переход от бесконтактного взаимодействия к контактному сопровождается резким ускоренным движением острия к поверхности. В случае деформируемой поверхности высокая скорость изгиба кантилевера на участке бесконтактного взаимодействия, с одной стороны, и относительно низкая частота записи данных атомно-силового микроскопа, с другой стороны, не позволяют определить начало контакта из эксперимента, опираясь на характерные точки силовой кривой. Для решения этой проблемы предлагается использовать алгоритмы машинного обучения, «натренированные» на решении множества модельных задач. Взаимодействие острия с поверхностью моделировали гармоническим осциллятором, варьируя параметры зонда, материала и динамические условия эксперимента. Использование разработанных алгоритмов продемонстрировано на примере обработки результатов индентирования полиэтилена. Полученные контактные отклонения не совпадают с имеющимися точками экспериментальных кривых.
Abstract in another language
Reliable determination of the tip-surface contact in atomic force microscopy measurements is necessary for structural and physico-mechanical analysis of the surface properties. Transition from non-contact interaction to contact one during experiments in air environment is accompanied by a rapid jump of the tip to the surface. High velocity of the tip movement in the area of non-contact interaction and the relatively low rate of the atomic force microscopy data capture do not allow determining of the onset of contact from the points of the force curve especially in the case of a deformable surface. The proposed solution is to use machine learning algorithms trained on model results. The interaction of the tip with the surface was modeled using a harmonic oscillator varying parameters of the probe, the material, and the experiment. As a result deflection of the probe in the moment of contact is predicted using input experimental parameters. Use of the developed algorithms is demonstrated by treating the results of the indentation of polyethylene. The obtained contact deflections are significantly differ from the available points of the experimental curves.
View/
Collections
- Т. 17, № 1[9]