Mehr Zeit zum Forschen

Künstliche Intelligenz betreibt Rasterkraftmikroskope vollautomatisch

Copyright: MPI-CBG / CSBD

In den vergangenen Jahren hat die Rastersondenmikroskopie (englisch: SPM) das Feld der Material-, Nano- und Biowissenschaften revolutioniert. Die Technologie ermöglicht die Abbildung von Oberflächeneigenschaften mit bisher unerreichter Präzision. Eine nanoskopisch kleine Nadel tastet zeilenweise in einem definierten Raster die Oberfläche einer Probe ab. Die Verbiegung bzw. Auslenkung der Nadelspitze kann mit optischen Sensoren gemessen werden und erzeugt – ähnlich wie bei einem Digitalfoto - eine atomar-scharfe Abbildung der Probenoberfläche. Die einzigartige Fähigkeit, physikalische Eigenschaften im realen Raum derart präzise zu untersuchen, macht die SPM zu einem der leistungsstärksten Werkzeuge für Forscher. Um optimale Ergebnisse zu erzielen, erfordert SPM jedoch permanente menschliche Überwachung und Intervention. Der Mikroskopierende muss beispielsweise die aufgezeichneten Bilder ständig manuell überprüfen, um geeignete Bereiche für das Scannen zu identifizieren oder um sicherzustellen, dass die Form der Nadelspitze ausreichend scharf ist. Diese Anforderungen an ständige menschliche Überwachung haben die Anwendung von SPM-Systemen bisher stark eingeschränkt.

Forscher vom Zentrum für Systembiologie Dresden (CSBD), dem MPI-CBG und der Technischen Universität Dresden, zusammen mit ihren Kollegen von der Monash University in Australien, der Universität Heidelberg und dem Max-Delbrück-Centrum für Molekulare Medizin in Berlin, haben jetzt DeepSPM entwickelt, ein System, das mit künstlicher Intelligenz (KI) arbeitet und in der Lage ist, das Mikroskop autonom zu steuern, ohne dass eine ständige menschliche Überwachung notwendig ist. Ihre Methode, die vor kurzem in der Fachzeitschrift Communications Physics veröffentlicht wurde, ist eine Kombination aus Algorithmen und maschinellem Lernen und zeigt zum ersten Mal den langfristigen und vollständig autonomen Betrieb eines Rasterkraftmikroskops.

Alexander Krull, ELBE-Postdoc in der Gruppe von Florian Jug und einer der Erstautoren der Studie erklärt: "DeepSPM prüft fortlaufend die vom Mikroskop gewonnenen Daten. Bilder von hoher Qualität werden automatisch gespeichert. Wenn die KI ein Problem im Bildstrom entdeckt, sendet sie automatisch angepasste Steuersignale an das Mikroskop, um das Problem zu lösen und den normalen Betrieb wiederherzustellen."

Das australisch-deutsche Forscherteam hat DeepSPM so entwickelt, dass es mehrere Tage lang autonom und ohne menschliche Aufsicht arbeiten kann. Das Programm ist in der Lage, kontinuierlich Daten zu erfassen und zu verarbeiten und gleichzeitig die Parameter an unterschiedliche Versuchsbedingungen anzupassen. Alexander fügt hinzu: "Wenn komplexe experimentelle Verfahren automatisiert werden, haben Wissenschaftler mehr Zeit für ihre wertvolle Forschung. DeepSPM bringt moderne Rastersondenmikroskopie näher an eine schlüsselfertige Anwendung heran und kann auch Nutzern, die keine Spezialisten sind, überall auf der Welt ermöglichen, optimale Ergebnisse zu erzielen."

Der neue Ansatz des maschinellen Lernens kann auch auf andere SPM-Technologien übertragen werden. Die Forscher machen das gesamte Programm als Open Source öffentlich zugänglich und schaffen damit eine wichtige Ressource für alle Forscher in den Nanowissenschaften. Vollständig autonome Rasterkraftmikroskopie öffnet auch die Tür für Hochdurchsatz- und atomar-präzise Nanoproduktion, die mit manueller Bedienung kaum möglich ist.

Originalpublikation

A. Krull, P. Hirsch, C. Rother, A. Schiffrin, C. Krull: "Artificial-intelligence-driven scanning probe microscopy" Communications Physics volume 3, 54 (2020), 19 March 2020.
DOI: 10.1038/s42005-020-0317-3