Neural RHEED alignment with limited training data during CdTe MBE growth

Resumo Técnico: Alinhamento de RHEED Neural com Dados de Treinamento Limitados durante o Crescimento de CdTe por MBE

Definição do Problema
A Epitaxia de Feixe Molecular (MBE) é uma técnica crítica para a produção de filmes finos semicondutores de alta qualidade, como o Telureto de Cádmio (CdTe). Um requisito fundamental para otimizar o crescimento e garantir a reprodutibilidade é o alinhamento preciso do substrato a direções cristalográficas específicas. Este alinhamento é tipicamente monitorado in-situ usando Difração de Elétrons de Alta Energia de Reflexão (RHEED). Embora operadores experientes inspecionem manualmente os padrões de RHEED para identificar padrões de difração simétricos correspondentes aos eixos cristalográficos principais, este processo é demorado, propenso ao erro humano e difícil de automatizar devido a derivas mecânicas que deslocam a orientação feixe-amostra ao longo do tempo.

As abordagens existentes de aprendizado de máquina (ML) para análise de RHEED geralmente se enquadram em duas categorias: classificar imagens estáticas de direções conhecidas ou analisar vídeos de orientação fixa para detectar transições de modo de crescimento. No entanto, poucos métodos abordam a identificação automática de direções cristalográficas diretamente a partir de vídeos de RHEED de substratos rotativos. Além disso, um gargalo significativo existe na disponibilidade de conjuntos de dados de RHEED diversos e curados; laboratórios típicos de MBE possuem dados de apenas um número limitado de estruturas (frequentemente <20), tornando impraticáveis as abordagens de aprendizado profundo padrão que exigem grandes volumes de dados.

Metodologia
Os autores propõem um pipeline de visão neural com eficiência de dados, projetado para inferir direções cristalográficas a partir de imagens de RHEED de substratos de CdTe rotativos, abordando especificamente a restrição de dados de treinamento limitados. O estudo compara duas abordagens arquiteturais:

1. ResNet 2D com Pós-processamento Consciente da Física:

   • Arquitetura: Um backbone ResNet-50 2D (pré-treinado no ImageNet) é usado para regredir o desvio angular de um único quadro de RHEED de uma direção cristalográfica alvo.
   • Estratégia de Dados: O modelo é treinado em um conjunto de dados derivado de apenas 15 estruturas de CdTe (151 vídeos de rotação única). Os dados passam por um pré-processamento rigoroso, incluindo conversão RGB para tons de cinza, recorte de região de interesse (ROI), redimensionamento para 96×56 pixels e padronização de z-score. Aumentos on-the-fly (transformações afins, variação de brilho/contraste e ruído) são aplicados para simular a variabilidade do operador sem expandir o tamanho do conjunto de dados.
   • Pós-processamento: Um componente crítico desta abordagem é um passo de pós-processamento consciente da física aplicado após a inferência neural. Como a amostra rotaciona a uma velocidade angular constante, a sequência de ângulos previstos deve seguir uma tendência linear ($NN(P_k) = k\Delta\alpha + \alpha_0$). O módulo de pós-processamento:
     • Determina o sinal correto da inclinação da rotação (direção da rotação).
     • Estima o intercepto ($\alpha_0$) usando métodos estatísticos robustos (média circular e estimativa de densidade de kernel) sobre resíduos modulares para lidar com a continuidade de borda $0^\circ/180^\circ$.
     • Filtra outliers para refinar a estimativa final da direção cristalográfica.

2. ResNet 3D (Referência):

   • Arquitetura: Uma ResNet 3D processa sequências de quatro quadros consecutivos de RHEED empilhados como um tensor para inferir a direção diretamente da estrutura temporal.
   • Estratégia de Dados: Treinada em um subconjunto maior dos dados disponíveis (19 estruturas) para compensar a maior complexidade e a necessidade de dados das arquiteturas 3D.
   • Limitações: Esta abordagem requer significativamente mais tempo de treinamento e dados, mas não utiliza as restrições físicas específicas da rotação em um passo de pós-processamento (a menos que seja aumentada de forma semelhante).

Principais Contribuições

• Eficiência de Dados: O estudo demonstra que uma ResNet 2D, quando combinada com um pipeline de pós-processamento consciente da física, pode alcançar alto alinhamento cristalográfico usando dados de treinamento de tão apenas 15 estruturas.
• Comparação Arquitetural: Os autores comparam criticamente as configurações ResNet 2D e 3D, mostrando que a abordagem 2D mais simples com pós-processamento supera a abordagem 3D complexa em termos de eficiência de treinamento (aprox. 20x mais rápida) e requer significativamente menos dados de treinamento, enquanto alcança precisão comparável ou superior.
• Viabilidade em Tempo Real: O pipeline proposto é validado para implantação em tempo real, sendo capaz de rodar a 10 quadros por segundo (FPS) em uma CPU padrão, o que é suficiente para controlar a rotação do substrato durante o crescimento de MBE.

Resultados

• Desempenho da ResNet 2D: Quando treinada em 15 estruturas (divisão 15/5), a ResNet 2D pós-processada alcançou um erro absoluto médio (MAE) de aproximadamente $0,217^\circ$ (medido como o erro de intercepto) no conjunto de teste. Isso coloca a previsão dentro do "nível de erro alvo" ($\pm 0,5^\circ$) em 96% dos casos e dentro do "nível de tolerância de erro" ($\pm 1,0^\circ$) em essencialmente todos os casos. Esta precisão aproxima-se da resolução experimental da coleta de quadros ($0,33^\circ$).
• Desempenho da ResNet 3D: A ResNet 3D pura (sem pós-processamento) alcançou um MAE bruto de $0,771^\circ$ no conjunto de teste. Embora tenha eliminado os outliers vistos nas previsões brutas da 2D, falhou em atingir o nível de erro alvo sem o benefício do pipeline de pós-processamento.
• Ganhos de Eficiência: O modelo 2D exigiu aproximadamente 34 minutos de tempo de treinamento em uma única GPU, enquanto o modelo 3D exigiu mais de 11 horas. A abordagem 2D também utilizou 15 estruturas de treinamento em comparação com as 19 do benchmark 3D.
• Compromisso de Latência: Os autores observam uma distinção na latência: o modelo 3D fornece previsões a partir dos primeiros quadros, enquanto a abordagem de pós-processamento 2D requer o acúmulo de dados ao longo de uma janela angular completa de $180^\circ$ (aprox. 30 segundos a 1 RPM) para gerar uma estimativa de intercepto confiável.

Significância e Alegações
O artigo afirma que este trabalho representa um passo prático em direção ao crescimento de MBE impulsionado por IA. Ao aproveitar o pós-processamento consciente da física, os autores demonstram que arquiteturas neurais leves podem igualar o desempenho de modelos mais complexos, apesar das severas limitações de dados. O sistema resultante está totalmente treinado e pronto para implantação em malha fechada (closed-loop) em futuros experimentos de crescimento de CdTe. A metodologia é apresentada como generalizável para outros sistemas de materiais onde conjuntos de dados de RHEED diversos são escassos, destacando o potencial da automação assistida por aprendizado de máquina na síntese de filmes finos sem exigir esforços massivos de coleta de dados. O estudo não pretende resolver todos os aspectos da automação de MBE, mas aborda especificamente o gargalo crítico do alinhamento cristalográfico automatizado sob condições de dados restritos.