Finding the invisible defects in silicon with deep learning from HAADF-STEM focal series

El silicio es la columna vertebral silenciosa de la tecnología moderna, el material que impulsa todo, desde los satélites que orbitan la Tierra hasta los microchips en nuestros teléfonos. Sin embargo, este material no es indestructible. Al exponerse al entorno hostil del espacio o a la intensa radiación de un reactor nuclear, comienza a acumularse un daño invisible. Partículas de alta energía golpean los átomos de silicio, desplazándolos de su perfecta disposición en red y creando diminutos cúmulos desordenados. Estos cúmulos son las principales cicatrices de la radiación, y pueden degradar lentamente el rendimiento de los dispositivos que habitan. El problema para los científicos es que estas cicatrices suelen ser demasiado tenues para ser vistas. En una imagen de microscopio electrónico estándar, que actúa como una cámara potente para el mundo atómico, estas regiones dañadas producen señales tan débiles que se mezclan perfectamente con el fondo, desapareciendo efectivamente de la vista. Sin poder ver estos defectos, los ingenieros luchan por comprender cómo la radiación daña los materiales o por predecir cuánto durará un dispositivo en un entorno hostil.

Para resolver este problema de invisibilidad, investigadores de la Universidad de Aalto en Finlandia han desarrollado una nueva forma de observar el silicio utilizando una combinación de imágenes avanzadas e inteligencia artificial. Se centraron en un tipo específico de técnica de microscopía electrónica llamada microscopía electrónica de transmisión de campo oscuro anular de alto ángulo. Imagine tomar una serie de fotografías de un solo objeto, pero en lugar de mover la cámara, cambiar ligeramente el enfoque de la lente para cada toma. En este método, el microscopio toma una pila de imágenes en diferentes niveles de enfoque, creando una serie focal. Si bien una sola imagen podría no mostrar más que un gris borroso y uniforme, los sutiles cambios de brillo y contraste a través de toda la pila contienen pistas ocultas sobre la forma y la ubicación tridimensional de los defectos. Sin embargo, estas pistas son tan tenues y están tan enterradas en el ruido que el ojo humano no puede unirlas.

Los investigadores entrenaron un sistema informático, un tipo de modelo de aprendizaje profundo conocido como red neuronal, para que actuara como un traductor de estas señales ocultas. No comenzaron con imágenes del mundo real, sino con una enorme biblioteca de datos simulados. Utilizando potentes simulaciones por computadora, modelaron cómo la radiación desplaza los átomos en el silicio, creando cúmulos realistas de daño. Luego simularon lo que vería un microscopio electrónico si fotografiara estos cúmulos simulados, generando miles de series focales que incluían el mismo tipo de desenfoque y ruido encontrados en experimentos reales. La computadora aprendió a reconocer los patrones específicos de luz y sombra que estos defectos invisibles proyectan a través de los diferentes niveles de enfoque. Una vez entrenado, el sistema podía mirar una nueva pila de imágenes y predecir exactamente dónde estaban los defectos, creando un mapa para cada plano focal.

Los resultados de este enfoque representan un paso significativo hacia la visión de lo invisible. Cuando los investigadores aplicaron su sistema entrenado a los datos simulados, reconstruyeron con éxito la forma tridimensional del cúmulo de defectos. El sistema pudo localizar el centro de una región dañada con un error de menos de un nanómetro, que es aproximadamente el ancho de unos pocos átomos de silicio. También estimó el tamaño y la forma de los cúmulos con una precisión razonable, incluso cuando las imágenes eran ruidosas y borrosas, imitando las condiciones difíciles de un laboratorio real. Los investigadores encontraron que, si bien el sistema no podía reconstruir perfectamente cada átomo individual del defecto, podía identificar de manera confiable el volumen general y la orientación del daño. Esto significa que, en lugar de no ver nada, los científicos ahora pueden generar un modelo 3D tosco pero útil del daño, diciéndoles no solo que existe un defecto, sino también más o menos qué tan grande es y dónde se encuentra dentro del material.

Este trabajo sugiere un nuevo camino para la caracterización del daño por radiación que antes era imposible. El método no depende de encontrar una única imagen nítida de un defecto, que a menudo no existe. En su lugar, recopila información débil y dispersa de una serie completa de imágenes y utiliza los patrones aprendidos de la física para ensamblar una imagen coherente. Los investigadores advierten cuidadosamente que sus resultados provienen de simulaciones, y el siguiente paso será probar el sistema en muestras de silicio reales que hayan sido irradiadas. Si el método funciona en el mundo real, podría proporcionar una herramienta vital para asegurar la fiabilidad de la electrónica en aplicaciones espaciales y nucleares, convirtiendo las amenazas invisibles en datos visibles y medibles. Al hacer visible lo invisible, este enfoque ofrece una forma de comprender los límites fundamentales de los materiales que impulsan nuestro mundo tecnológico.