| 作者 Bryan Huey，康涅狄格大學

原子力顯微鏡 (AFM) 是納米技術的基石技術，使研究人員能夠以亞納米分辨率獲得對表面形貌的詳細了解。該技術涉及使用尖銳探針掃描樣本，以極高的精度繪制表面特征圖，這一能力使 AFM 成為材料科學、物理學、機械工程和生物學等領域的重要工具。

在傳統的 AFM 中，目標之一是盡量減少探頭與材料接觸的力，通常將該力減小到僅僅皮牛頓級別。我在康涅狄格大學 (UConn) 的研究小組徹底顛覆了這一想法，通過強制探頭刮擦或挖入樣本，以便我們可以測量表面甚至表面以下的壓電響應、光電流和其他材料特性。這種新方法稱為斷層掃描原子力顯微鏡 (TAFM)，可以重建樣品的 3D 圖像，揭示傳統 AFM 無法檢測到的內部結構和地下特征。

圖 . 通過 TAFM 測量的納米復合材料壓電響應的 3D 表示，比例尺為 500 x 500 x 25 nm。

處理 TAFM 數據本身就存在一系列挑戰。一個主要問題是 z 方向(深度)數據的稀疏性。與均勻獲取數據的傳統成像方法不同，TAFM 通常會生成有限數量的非線性分布的數據點，尤其是沿 z 軸。這種稀疏的數據分布使重建過程變得復雜，需要復雜的計算方法來準確地插入和可視化數千張連續圖像中的缺失信息。

我的研究小組，康涅狄格大學材料科學與工程系的 HueyAFM 實驗室，最近實施了一種用于后處理 TAFM 數據的新方法。這種基于 MATLAB 的新方法采用了 Lidar Toolbox(一個汽車和其他行業的工程師通常用來設計、分析和測試激光雷達處理系統的產品)創新用法，以加速 TAFM 數據的可視化和分析。Lidar Toolbox 點云功能對于原始 TAFM 數據的高級可視化特別有用，使我們能夠將稀疏結果網格化以導出到 3D 圖像堆棧。除了簡化執行 3D 分割、計算表面法線和曲率以及確定沿各個矢量的依賴關系等任務之外，MATLAB 和 Lidar Toolbox 還將 TAFM 數據集后處理所需的時間從數小時縮短到幾分鐘，從而大大提高了我們研究的速度和影響力。

傳統后處理的挑戰

我們實驗室中使用的原子力顯微鏡在單次斷層掃描實驗中產生大約 1 億個數據點。這包括沿 x、y 和 z 方向的超過 1000 萬個不同坐標的測量，每個坐標測量多個屬性，例如力、壓電性、電導率、光電導性、表面電位、剛度和/或磁場。

圖 . 康涅狄格大學 HueyAFM 實驗室的四臺牛津儀器庇護所研究原子力顯微鏡之一。

最后，我們需要通過可視化來展示可以被視為彩色構建塊的結構，其中每個塊或體素的顏色表示該微小樣本體積中特定測量材料屬性的值。該構建塊結構的 x 維和 y 維定義明確，但 z 維需要后處理，以解決我們在實驗過程中對樣本進行精細挖掘所導致的數據稀疏性和不均勻分布的問題。最初，我們使用 MATLAB 中的 3D 插值算法對實驗數據進行后處理，以便在均勻深度下進行可視化。雖然這種方法有效，但由于數據集的大小和復雜性，需要幾個小時的處理時間。

Lidar Toolbox 的新穎用例

在尋找縮短后處理時間的方法時，我想到使用 Lidar Toolbox 的點云功能——特別是 X 和 Y 函數——分析TAFM數據。我用了 rmmissing 處理有時為了裁剪、過濾或分割目的而被掩蓋的缺失數據或數據點;pcdownsample 考慮數據量;以及 pcShow 進行可視化。

使用 Lidar Toolbox 進行 TAFM 后處理的主要好處是速度：它比

我們以前的方法快一千倍。另一個好處是提高了可視化效果，這在我們探索數據時至關重要。現在我們可以放大和縮小并旋轉樣本，以更好地觀察材料及其屬性。

同樣重要的是，我們采用 Lidar Toolbox 的新后處理方法增強了我們對分析的信心。例如，使用 Lidar Toolbox 我們可以輕松確定任何給定體素中存在多少個數據點。此外，我們可以選擇每個體素的深度，優化該深度，以便大多數體素至少包含一個數據點。作為研究人員，我們對測量的準確性有更好的感覺。當然，當我們發表我們的研究結果時，必須報告我們并不是簡單地在稀疏數據點之間進行插值，而是我們擁有分析體積中幾乎所有可能的體素的真實數據(通常至少 99%)。

后續步驟

將 Lidar Toolbox 納入我們的后處理工作流程為我們進一步了解所研究的材料開辟了新的機會。例如，我們可以使用 x、y 和 z 位置來定義一個表面，然后使用 Lidar Toolbox 函數來分析和量化該表面的曲率。

圖 . 可視化兩個主曲率(κ1 在左邊，κ2 在右側)可更好地理解從 TAFM 數據得出的表面特征，例如峰、谷和鞍點。

我們知道 Lidar Toolbox 具有我們尚未應用的附加功能。展望未來，我們計劃進行更多探索。我們還認為，對大型 TAFM 數據集的自動分析是未來不可避免的一步。將我們的后處理和點云活動與其他 MATLAB 功能(包括機器學習和 AI)相結合的能力將變得越來越有價值。

這些進步，加上 MATLAB 和 Lidar Toolbox 所實現的加快研究步伐，正在不斷加深我們對材料特性的理解，這些材料對于聲納和超聲波成像、計算機存儲設備、MEMS 傳感器和太陽能電池板等一系列重要技術的性能至關重要。這種更深入的理解將有助于工程的各個階段。在前端，憑借對納米級材料特性的全面了解，工程師可以設計出更高效、更可靠的技術。在后端，我們可以有選擇地評估使用過程中或加速退化后性能高或差的區域。最終，我們可以優化下一代材料解決方案的功能性和可靠性，以應對工程挑戰。

全球 6,500 多所高校使用 MATLAB 和 Simulink 廣泛開展各類工程和科學學科的教學與研究。目前，有 2,300 多所大學(包括全球 300 所頂尖大學中的 89%)可通過 Campus-Wide License 無限制訪問所有 MathWorks 產品。