Resolution Enhancement of Scanning Electron Micrographs using Artificial Intelligence

材料の目に見えない世界を研究する科学者たちは、走査電子顕微鏡と呼ばれる強力なツールに頼っています。この装置は、試料に電子ビームを照射することで、人間の目では到底見ることができないほど微細な詳細を明らかにし、研究者が金属がミクロレベルでどのように構成されているかを理解することを可能にします。しかし、これらの非常に鮮明な画像を捉えることは、遅く繊細なプロセスです。最も細かい詳細を見るためには、顕微鏡は表面を一点ずつスキャンしなければならず、その作業は、たとえ小さな領域であっても数時間を要することがあります。この長い待ち時間の間に、電子ビームによって試料が損傷したり、装置自体がわずかにドリフト（偏位）して、最終的な画像がぼやけてしまったりすることがあります。希少な欠陥や、大きな金属片の中に隠された特定の構造を見つけようとしている研究者にとって、この遅さはボトルネックとなります。彼らは、高精細な非常に小さな領域をスキャンするか、低精細な広い領域をスキャンするかという選択を迫られますが、どちらも材料がどのように破壊されるかを理解するには理想的ではありません。

ドイツのRWTHアーヘン大学の研究チームは、人工知能を用いてこのトレードオフを打破する方法を見出しました。顕微鏡に高解像度の画像を撮るためにすべてのピクセルを捉えるよう何時間も強制させる代わりに、彼らは素早く低解像度のスキャンを行う方法を開発し、その後、コンピュータプログラムを使用して欠落している詳細をインテリジェントに補完する方法を開発しました。このプロセスは、人間の脳に触発されたコンピュータモデルの一種であるニューラルネットワークに、特定の金属のパターンを認識させることで機能します。研究者たちは、自動車製造に使用される硬い領域と柔らかい領域の混合物である「二相鋼」と、ギアや機械に使用される強靭な表面を持つ「浸炭鋼」という、2つの非常に異なる種類の鋼鉄を用いて、このシステムを訓練しました。コンピュータに、ぼやけた画像と鮮明な画像の何千ものペアを見せることで、システムは粗いバージョンに基づいて微細な詳細がどのように見えるべきかを予測する方法を学習しました。

このアプローチの結果は、スピードと明瞭さにおける大きな飛躍です。研究者がこの手法をテストした際、人工知能が画像の解像度を幅と高さの両方で4倍に向上させられることがわかりました。解像度が高くなるにつれてスキャンに必要な時間は指数関数的に増加するため、この改善により、初期の撮像時間は16分の1に短縮されました。実用的な観点から言えば、高精細度でスキャンするのに通常9時間かかる領域を、低解像度で30分でキャプチャし、その後コンピュータによって瞬時に強化できるのです。チームは、強化された画像が、画像を拡大するために用いられる従来の手法（しばしばぼやけた、あるいはブロック状の画像になるもの）よりも、単に生成が速いだけでなく、より正確であることを検証しました。新しいシステムは、鋭いエッジ、亀裂、そして微小な介在物をうまく再構成し、材料の強度を理解するために極めて重要な複雑なテクスチャを保持することに成功しました。

しかし、研究者たちは、これが何もないところから情報を生み出す魔法の杖ではないことを慎重に指摘しています。このシステムは、調査対象となる特定の材料に対して訓練されている場合に最もよく機能します。彼らが、二相鋼で訓練されたモデルを、浸炭鋼に直接適用しようとした際、結果は不十分で、明るすぎたり位置がずれたりしました。新しい鋼鉄のタイプの少数の画像セットを用いてシステムを再訓練するために短時間の時間を費やした後になって初めて、結果は鮮明で信頼できるものとなりました。このことは、この技術が強力である一方で、新しい材料ごとに短い適応期間を必要とすることを示唆しています。さらに、チームはこの手法が、金属の破壊につながるような微細な亀裂といった「稀な事象」を見つけるのに特に有用であることを実証しました。広い領域を素早くスキャンしてこれらの稀な箇所を見つけ、その後、それらの特定の点に対してのみ高解像度の最終チェックを行うことで、科学者は重要なデータを失うことなく、何時間もの時間を節約できるのです。

この研究は、迅速な低解像度スキャンとインテリジェントな画像強化の組み合わせが、材料科学の未来への実行可能な道であることを裏付けています。これにより、研究者はより広い領域の試料を観察し、長時間の電子ビーム曝露による試料の劣化リスクを回避しながら、時間の経過に伴う損傷を追跡できるようになります。コンピュータ生成の画像は元の高解像度スキャンの完全なコピーではありませんが、主要な特徴を特定するのに十分なほど鮮明であり、写真を拡大するために使われる標準的な数学的トリックよりもはるかに優れています。このアプローチは、より複雑な材料構成を研究し、リアルタイム実験におけるステップを観察することを可能にし、事実上、科学者に、私たちが日常的に使用している材料の強度を支配する微視的世界への、より速く、よりクリアな窓を開いています。