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

Il silicio è l'ossatura silenziosa della tecnologia moderna, il materiale che alimenta tutto, dai satelliti che orbitano intorno alla Terra ai microchip nei nostri telefoni. Eppure, questo materiale non è indistruttibile. Quando esposto all'ambiente ostile dello spazio o all'intensa radiazione di un reattore nucleare, un danno invisibile inizia ad accumularsi. Particelle ad alta energia colpiscono gli atomi di silicio, scalzandoli dal loro perfetto arrangiamento a griglia e creando minuscoli cluster disordinati. Questi cluster sono le principali cicatrici della radiazione e possono degradare lentamente le prestazioni dei dispositivi che abitano. Il problema per gli scienziati è che queste cicatrici sono spesso troppo deboli per essere viste. In un'immagine standard al microscopio elettronico, che funge da potente fotocamera per il mondo atomico, queste regioni danneggiate producono segnali così deboli da fondersi perfettamente con lo sfondo, scomparendo di fatto dalla vista. Senza essere in grado di vedere questi difetti, gli ingegneri faticano a comprendere come la radiazione danneggi i materiali o a prevedere quanto durerà un dispositivo in un ambiente ostile.

Per risolvere questo problema di invisibilità, i ricercatori dell'Università di Aalto, in Finlandia, hanno sviluppato un nuovo modo per osservare il silicio utilizzando una combinazione di imaging avanzato e intelligenza artificiale. Si sono concentrati su un tipo specifico di tecnica di microscopia elettronica chiamata microscopia elettronica a scansione a campo scuro ad alto angolo. Immaginate di scattare una serie di fotografie di un singolo oggetto, ma invece di muovere la fotocamera, cambiate leggermente la messa a fuoco della lente per ogni scatto. In questo metodo, il microscopio scatta una serie di immagini a diversi livelli di messa a fuoco, creando una serie focale. Mentre una singola immagine potrebbe non mostrare altro che un grigio uniforme e sfocato, i sottili cambiamenti di luminosità e contrasto attraverso l'intera serie contengono indizi nascosti sulla forma tridimensionale e sulla posizione dei difetti. Tuttavia, questi indizi sono così deboli e sepolti nel rumore che l'occhio umano non riesce a ricomporli.

I ricercatori hanno addestrato un sistema informatico, un tipo di modello di deep learning noto come rete neurale, per agire come un traduttore per questi segnali nascosti. Non sono partiti da immagini del mondo reale, ma da una vasta libreria di dati simulati. Utilizzando potenti simulazioni al computer, hanno modellato il modo in cui la radiazione sposta gli atomi nel silicio, creando cluster realistici di danno. Hanno poi simulato ciò che un microscopio elettronico vedrebbe se fotografasse questi cluster simulati, generando migliaia di serie focali che includevano gli stessi tipi di sfocatura e rumore presenti nelle sperimentazioni reali. Il computer ha imparato a riconoscere i pattern specifici di luce e ombra che questi difetti invisibili proiettano attraverso i diversi livelli di messa a fuoco. Una volta addestrato, il sistema poteva guardare una nuova serie di immagini e prevedere esattamente dove si trovassero i difetti, creando una mappa per ogni piano focale.

I risultati di questo approccio rappresentano un passo avanti significativo nel vedere l'invisibile. Quando i ricercatori hanno applicato il loro sistema addestrato ai dati simulati, esso ha ricostruito con successo la forma tridimensionale dei cluster di difetti. Il sistema è riuscito a individuare il centro di una regione danneggiata con un errore inferiore a un nanometro, che è approssimativamente la larghezza di pochi atomi di silicio. Ha inoltre stimato la dimensione e la forma dei cluster con una ragionevole accuratezza, anche quando le immagini erano rumorose e sfocate, imitando le difficili condizioni di un vero laboratorio. I ricercatori hanno scoperto che, sebbene il sistema non potesse ricostruire perfettamente ogni singolo atomo del difetto, era in grado di identificare in modo affidabile il volume complessivo e l'orientamento del danno. Ciò significa che, invece di non vedere nulla, gli scienziati possono ora generare un modello 3D grossolano ma utile del danno, dicendo loro non solo che un difetto esiste, ma anche approssimativamente quanto è grande e dove si trova all'interno del materiale.

Questo lavoro suggerisce una nuova via per la caratterizzazione del danno da radiazione che prima era impossibile. Il metodo non si basa sul trovare un'unica immagine nitida di un difetto, che spesso non esiste. Al contrario, raccoglie informazioni deboli e disperse da un'intera serie di immagini e utilizza i pattern appresi della fisica per assemblare un'immagine coerente. I ricercatori sottolineano con cautela che i loro risultati derivano da simulazioni, e il passo successivo sarà testare il sistema su campioni di silicio reali che siano stati irradiati. Se il metodo reggerà nel mondo reale, potrebbe fornire uno strumento vitale per garantire l'affidabilità dell'elettronica nelle applicazioni spaziali e nucleari, trasformando minacce invisibili in dati visibili e misurabili. Rendendo l'invisibile visibile, questo approccio offre un modo per comprendere i limiti fondamentali dei materiali che alimentano il nostro mondo tecnologico.