-
HINTERGRUND
-
Gebiet der
Erfindung
-
Die
vorliegende Erfindung betrifft im allgemeinen die Rastersondenmikroskopie
(SPM – Scanning
Probe Microscopy) und genauer Systeme und Verfahren zum Dekonvolutieren
der Wirkungen der Oberflächentopographie
von den Wirkungen aufgrund anderer physikalischer Eigenschaften
der Oberfläche,
die abgetastet wird.
-
Hintergrund der Erfindung
-
Die
US-Patente Nrn. 6 095 679, 6 260 997 und 6 405 137 und das nachveröffentlichte
Dokument
US 6 491 425 beschreiben
thermische Rastersondenmikroskope, bei denen die thermischen Eigenschaften
einer Probe durch Abtasten mit einer thermischen Sonde über die
Oberfläche
der Probe abgebildet werden können,
und Verfahren zum Erhalten von Bildern, die kennzeichnend für die thermischen
Eigenschaften der Probe sind. Weitere Hintergrundinformation, welche
den Stand der Technik beschreibt, ist in dem Artikel „New Adventures
in Thermal Analysis (Neue Abenteuer in der thermischen Analyse)" von D.M. Price,
M. Reading, A. Hammiche und H.M. Pollock, Journal of Thermal Analysis
and Calorimetry, Band 60 (2000) (der Artikel „New Adventures") offenbart, welcher
die Kombination von Rastersondenmikroskopen (auch als Rasterkraftmikroskope
bezeichnet) mit auf thermischer Analyse beruhenden Materialkennzeichnungstechniken
beschreibt, um Bilder einer Oberfläche einer Probe entsprechend
den Variationen in der thermischen Leitfähigkeit oder im thermischen
Ausdehnungsverhalten der Probe zu erhalten.
-
Die
WO 99/40417 lehrt es, ein neurales Netzwerk zu verwenden, das in
der Lage ist, wiederholte Musterabbildung zu erlernen, um aufgezeichnete
Pulse eines thermisch akzeptablen Bildes zu analysieren, welches
in einer geeigneten Datenbank erstellt wurde.
-
1(a) ist ein schematisches Schaubild eines Rastersonden-
oder Rasterkraftmikroskopes. 1(a) zeigt
eine Probe 10 mit einer nicht glatten Oberfläche 11.
Eine Sondenspitze 12 wird gegen die Oberfläche 11 mittels
eines einseitig aufgehängten Armes 13 gehalten,
der sich von einem Träger 14 erstreckt.
Ein Laser 15 richtet einen Laserstrahl 16 auf einen
Spiegel 17, der an dem Ende des einseitig aufgehängten Armes
oberhalb der Sondenspitze befestigt ist. Der Strahl wird von dem
Spiegel auf einen Detektor 18 reflektiert. Die Position
des reflektierten Strahles auf dem Detektor 18 (z.B. Flächen 1 und
2 auf dem Detektor 18) wird als ein Maß der vertikalen Position der
Sondenspitze 12 und somit als ein Maß der Oberflächentopographie
der Probe verwendet. Die Sondenspitze 12 wird über die
Probe in einer X-Y-Anordnung
geführt,
wenn die vertikale Position gemessen wird, was somit Daten zum Berechnen
eines topographischen Bildes der Probenoberfläche zur Verfügung stellt.
-
Wenn
das Material entsprechend seiner thermischen Leitfähigkeit
charakterisiert werden soll, wird die Sondenspitze eines herkömmlichen
Rasterkraftmikroskopes durch beispielsweise einen ultra-miniaturisierten
Widerstandsheizer ersetzt, der auch als ein Temperatursensor dient.
Eine solche Sonde ist schematisch in 1(b) veranschaulicht. Wie
in 1(b) gezeigt, weist die Sonde
bevorzugt Wollaston-Drähte 21 auf,
die sich von einem keramischen Isolator 22 erstrecken.
Diese Sonde kann zum Beispiel aus Wollaston-Prozeßdraht hergestellt
werden, der aus einen dünnen
Platinkern (z.B. ungefähr 5
Mikrometer im Durchmesser), umgeben von einer dicken Silberhülle (z.B.
ungefähr
75 Mikrometer im Durchmesser) besteht. Der Draht wird in eine Schleife
geformt und an einer Haltestruktur befestigt, um einen einseitig
befestigten Arm zu erzeugen. Das Silber an dem Ende der Schleife
wird weggeätzt,
was einen Platinkern freilegt. Der Platinkern ist ein feines Platinfilament 23,
das nach unten gebogen ist, um eine Sondenspitze 24 zu
bilden.
-
Wenn
Strom durch die Sonde geleitet wird, geschieht das Heizen hauptsächlich in
dem freigelegten Platinfilament 23. Ein kleiner Siliziumwafer, der über die
Arme des Wollaston-Draht-Armes
nahe dem gebogenen Platinfilament 23 geklebt ist, wird
als der Spiegel 17 verwendet, der Positionsinformation über eine
optische Rückkopplungsschaltung
zur Verfügung
stellt, wie es oben beschrieben ist. Der Wärmeverlust von der Sonde wird überwacht,
indem die Sonde in einem Konstanttemperaturmodus betrieben wird,
bei dem die Energie, die erforderlich ist, die Spitze auf einer
vorbestimmten konstanten Temperatur zu halten, während des Datenerlangens gemessen
wird. Bildkontrast wird erhalten, da Bereiche hoher erscheinender
thermischer Leitfähigkeit
mehr Energie erfordern, um die Sonde auf der vorbestimmten konstanten
Temperatur zu halten, verglichen mit Bereichen niedrigerer erscheinender
thermischer Leitfähigkeit.
Eine Alternative ist es, die Spitze mit einem konstanten Strom zu
versorgen, und die Änderungen in
der Temperatur der Spitze können äquivalente
Abbildungen thermischer Eigenschaften liefern.
-
Wenn
das Material entsprechend seines thermischen Ausdehnungsvermögens gekennzeichnet
werden soll, wird dieselbe Sonde verwendet, und die Ablenkung der
Sonde entlang der z-Achse
wird als eine Funktion der Sondentemperatur überwacht, während die Sondentemperatur
wie bei der herkömmlichen
thermischen Analyse hinaufgefahren wird. Auch kann gleichzeitig
kalorimetrische Information im Hinblick auf die Natur von Übergängen in
der Probe erhalten werden, indem die Energie gemessen wird, die
erforderlich ist, die Sonde ein gegebenes Temperaturprogramm folgen
zu lassen, und indem gleichzeitig die Energie gemessen und verglichen wird,
die erforderlich ist, damit eine Referenzsonde, die von der Probe
isoliert ist (z.B. auf einem Referenzmaterial), demselben Temperaturprogramm folgt.
Als Alternative kann während
des Aufheizens eine Wechselstrom-Temperaturmodulation angewendet
werden, und die Änderungen
in der Energie, die erforderlich ist, um die Modulationsamplitude konstant
zu halten, können
gemessen werden, was somit ein mikroskopisches Analogon zur modulierten Temperaturdifferentialabtastkalorimetrie
liefert. Obwohl diese Technik gegenwärtig nicht quantitativ ist, ist
das Messen der Temperatur eines Überganges
in vielen Fällen
ausreichend, um eine Phase in der Probe zu identifizieren.
-
Ein
weiterer Abbildungsmodus kann durch lokalisiertes Wechselstromheizen
der Spitze erhalten werden, was bewirkt, daß sich die Oberfläche entsprechend
ihrem thermische Ausdehnungsvermögen ausdehnt
und zusammenzieht. Dies kann erfaßt werden, indem ein synchronisierter
Verstärker
verwendet wird, um ein Bild zu erzeugen, dessen Kontrast sich von
den erscheinenden Unterschieden im thermischen Ausdehnungsvermögen der
Oberflächenkomponenten
ableitet.
-
Bei
den oben beschriebenen Fällen
und als eine allgemeine Regel kann bei allen rastersondenmikroskopischen
Messungen die Topographie der Oberfläche die vorzunehmenden Messungen
beeinflussen. Wenn zum Beispiel die thermische Leitfähigkeit
einer Probe abgebildet wird, wenn die Spitze der Sonde in eine Einsenkung
auf der Oberfläche
absteigt, nimmt die Kontaktfläche
zwischen der Spitze und der Probe zu, was zu einem scheinbaren Anwachsen
in der lokalen thermischen Leitfähigkeit führt. Das
Gegenteil gilt, wenn die Sonde auf eine Erhöhung trifft.
-
2 veranschaulicht
die Wirkung der Topographie auf die scheinbare thermische Leitfähigkeit einer
Probe. Die schematischen Zeichnungen auf der linken Seite der 2 stellen
die Oberflächentopographie
der Probe und ihre thermische Leitfähigkeit dar (das Dunkelgrau
stellt die Phase höherer
Leitfähigkeit
dar, und das hellere Grau stellt die Phase niedrigerer Leitfähigkeit
dar). Die Auftragungen auf der rechten Seite der 2 veranschaulichen
die scheinbare thermische Leitfähigkeit
der Probe, wie sie unter Verwendung von vorbekannten Techniken gemessen
würde.
Man kann sehen, daß,
während die
Auftragungen, die den glatten Oberflächen entsprechen (Auftragungen
1 und 3), die thermischen Leitfähigkeiten
der Probe genau darstellen, die Auftragungen, die den rauhen Proben
entsprechen (Auftragungen 2 und 4) einen falschen Peak (aufgrund der
Einsenkung auf der linken Seite der Probe) und ein falsches Tal
(aufgrund einer Erhebung auf der rechten Seite der Probe) zeigen.
Sicherlich komplizieren die Wirkungen der Topographie die Interpretation
des thermischen Bildes, da die Information, nach der tatsächlich gesucht
wird, die Anordnung der Phasen mit unterschiedlichen thermischen
Leitfähigkeiten
innerhalb der Probe ist.
-
Die
Bilder, die unter Verwendung des thermischen Rastersondenmikroskops
erhalten werden, können
weiter verbesserte werden, indem Gauss'sche Peaks an die Verteilung der Pixelintensität in den
Histogrammen angepaßt
werden. Diese Technik ist in dem Artikel „Microthermal Characterization
of Segmented Polyurethane Elastomers and a Polystyrene-Poly (methyl
methacrylate) Polymer Blend Using Variable Temperature Pulsed Force Mode
Atomic Force Microscopy (Mikrothermische Kennzeichnung segmentierter
Polyurethanelastomere und einer Polystyrol-Polymethylmethacrylat-Polymermischung
unter Verwendung von Rasterkraftmikroskopie mit variabler Temperatur
bei gepulster Kraft)",
D.B. Grandy, D.J. Hourston, D.M. Price, M. Reading, G. Goulart Silva,
M. Song und P.A. Sykes (veröffentlicht
in Macromolecules 2000, 33, 9348–9359) beschrieben. Kurz gesagt
umfaßt
die Technik (1) das Erhalten eines thermischen Rastermikroskopbildes;
(2) das Ableiten einer Histrogrammverteilung der Anzahl der Pixel
gegen die Intensität für das Bild;
(3) das Vermerken, daß das
Histogramm zwei oder mehr Peaks zeigt; (4) das Anpassen von Gauss'schen Verteilungen
an die Peaks in dem Histogramm; und (5) das Verwenden des Schnittes
zwischen den angepaßten
Peaks als eine „Entscheidungsgrenze", um das ursprüngliche
Bild neu zu färben.
-
Dieser
Prozeß ist
in den 3(a) bis 3(c) veranschaulicht. 3(a) zeigt ein thermisches Bild einer
Paracetamoltablette. Eine lineare Grauskala zwischen 1.55 mW und
2.075 mW wird verwendet, um die z-Achse zu bezeichnen. 3(b) ist ein Histogramm der Ver teilung
der Pixel gegen die Intensität für das Bild
der 3(a). Die Rohdaten zeigen, daß es zwei
Peaks in dem Histogramm gibt, einen relativ schmalen Peak etwas
oberhalb von 1.625 mW und einen breiteren Peak, der grob bei 1.775
mW zentriert ist. Diese Daten sind an zwei Gauss'sche Verteilungen angepaßt worden,
in 3(b) als graue Linien gezeigt.
(Der schmale Peak entspricht der Arzneistoffphase, und der breitere
Peak entspricht einem Arzneistoffträger.) Der Schnitt zwischen
den beiden Peaks tritt bei 1.667 mW auf. Somit ist 1.667 mW die „Entscheidungsgrenze", ob ein Pixel der
einen Phase oder der anderen zugeordnet werden sollte. 3(c) ist eine Schwarz-Weiß-Version
des Bildes der 3(a), die erhalten
worden ist, indem Schwarz allen Pixeln mit einem Wert unterhalb
von 1.667 mW und Weiß allen
Pixeln mit einem Wert oberhalb von 1.667 mW zugeordnet worden ist. 3(c) zeigt die Verteilung der zwei Phasen
deutlicher, als dies die 3(a) tut.
-
Ein
anspruchsvollerer Ansatz weist dem Pixel eine Wahrscheinlichkeit
zu, ob er einem Zustand oder dem anderen angehört. In dem Fall wird den Pixeln
eine Farbe auf einer Grauskala, die von Weiß bis Schwarz reicht, zugewiesen,
anstatt daß man
rein schwarze oder rein weiße
Pixel hat. Zum Beispiel kann die Grauskalenpegelauftragung, die
in 4(a) gezeigt ist, verwendet werden,
um den Pixeln des Bildes der 3(a) einen
Grauskalenwert zuzuordnen, der von der Wahrscheinlichkeit abhängt, ob
der Pixel zu einer Phase oder der anderen gehört. 4(b) zeigt
das Ergebnis dieses Ansatzes. Das Bild in 4(b) ist
nicht so dramatisch wie das Bild der 3(c),
ist wahrscheinlich jedoch realistischer. Zum Beispiel können die
grauen Flächen
Pixel darstellen, welche Beiträge
von beiden Phasen haben, möglicherweise
aufgrund der Sub-Oberflächenstruktur
der Probe.
-
ZUSAMMENFASSUNG
DER ERFINDUNG
-
Die
vorliegende Erfindung löst
das Problem der Effekte der Topographie auf die erscheinende thermische
Leitfähigkeit
durch Dekonvolutieren der Effekte aufgrund der Oberflächentopographie
von Effekten aufgrund von anderen physikalischen Eigenschaften (in
den hierin beschriebenen Beispielen der thermischen Leitfähigkeit),
die gemessen werden, die Dekonvolution wird durchgeführt, indem
ein neurales Netzwerk verwendet wird. Das Bild kann als ein Gitter
aus Punkten oder Pixeln betrachtet werden. Die Sonde wird über die
Probe bewegt, und die Messungen sowohl der scheinbaren thermischen
Leitfähigkeit
als auch der Topographie werden an jedem Punkt der Probe vorgenommen.
Das neurale Netzwerk wird trainiert, indem ein Datensatz verwendet wird,
der von bekannten Kalibrierproben erhalten worden ist.
-
KURZBESCHREIBUNG
DER ZEICHNUNGEN
-
1(a) ist ein schematisches Schaubild, das ein
Rastersondenmikroskop (SPM) veranschaulicht.
-
1(b) ist ein schematisches Schaubild, das eine
thermische Sonde veranschaulicht.
-
2 veranschaulicht
den Effekt der Topographie auf die scheinbare thermische Leitfähigkeit.
-
3(a) ist ein thermisches SPM-Bild in Grauskala
einer Paracetamoltablette, erhalten bei einer Sondentemperatur von
50°C.
-
3(b) ist ein Histogramm der Verteilung der
Pixel gegen die Intensität
für das
Bild der 3(a).
-
3(c) ist eine verbesserte Schwarz/Weiß-Version
des thermischen SPM-Bildes der 3(a).
-
4(a) ist eine beispielhafte Grauskalenwertauftragung,
wobei der Grauskalenwert von der Wahrscheinlichkeit abhängt, ob
der Pixel zu einer Phase oder der anderen gehört.
-
4(b) ist eine verbesserte Grauskalenversion
des thermischen SPM-Bildes der 3(a).
-
5 ist
eine schematische Veranschaulichung einer Sonde auf einem Punktegitter.
-
5(a) ist eine Tabelle, welche beispielhafte topographische
Differenzen auf der z-Achse zwischen Pixeln und entsprechenden gemessenen
und bekannten/vorhergesagten Leitfähigkeitswerten zur Verfügung stellt.
-
5(b) ist ein schematisches Schaubild zum Trainieren
eines neutralen Netzwerkes gemäß einer
Ausführungsform
des neuralen Netzwerkes der vorliegenden Erfindung.
-
5(c) ist ein schematisches Schaubild zum Verwenden
eines neuralen Netzwerkes in einer Meßphase entsprechend einer Ausführungsform
eines neuralen Netzwerkes der vorliegenden Erfindung.
-
6(a)–6(f) sind eine Anzahl von mikrographischen
Darstellungen ((a)–(d))
und Histogrammen ((e) und (f)), welche das Dekonvolutieren topographischer
Effekte veranschaulichen.
-
7(a)–7(c) sind eine Anzahl von mikrographischen
Darstellungen, welche das Dekonvolutieren von topographischen Effekten
von den physikalischen Eigenschaften einer Probe veranschaulichen.
-
GENAUE BESCHREIBUNG
DER ERFINDUNG
-
Die
vorliegende Erfindung löst
das Problem der Effekte der Topographie auf erscheinende thermische
Leitfähigkeit
durch Dekonvolutieren der Effekte aufgrund der Oberflächentopographie
von den Effekten aufgrund der anderen physikalischen Eigenschaft (in
den hierin beschriebenen Beispielen die thermische Leitfähigkeit),
die gemessen wird, die Dekonvolutieren wird unter Verwendung eines
neuralen Netzwerkes durchgeführt.
Das Bild kann als ein Gitter aus Punkten oder Pixeln betrachtet
werden, wie in 5 gezeigt. Die Sonde wird über die
Probe bewegt, und Messungen werden an jedem Punkt von sowohl der erscheinenden
thermischen Leitfähigkeit
der Probe als auch der Topographie der Probe durchgeführt.
-
5(a) ist eine beispielhafte Tabelle, die die lokale
Topographie für
jeden Sondenort zeigt. Für jeden
Punkt oder Pixel ist die lokale Topographie durch Subtrahieren ihrer
Höhe von
der Höhe
ihrer acht „nächst benachbarten" umgebenden Punkte
a, b, c, d, e, f, g und h, in 5 gezeigt,
gekennzeichnet.
-
Die
thermische Leitfähigkeit
der Probe an der Position wird auch gemessen, und der Meßwert wird in
der Tabelle abgelegt. Um Trainingsdaten für das neurale Netzwerk zur
Verfügung
zu stellen, werden Messungen bei Materialien mit bekannten thermischen
Eigenschaften durchgeführt.
In der einfachsten Version wird ein Satz von Kalibrierproben genommen,
mit einer Oberflächentopographie,
die von dem sehr Glatten bis zu dem sehr Rauhen variiert. Dieser Ansatz,
der in der 5 und der Tabelle in 5(a) veranschaulicht ist, vertraut auf dem Einsetzen
von Höhendifferenzen
zwischen dem Pixel und seinen angrenzenden „nächst benachbarten" Pixeln in dem Trainingssatz.
Im allgemeinen könnten
Pixel, die von dem Pixel weiter entfernt sind, einbezogen werden, und
es würde
im allgemeinen bevorzugt sein, dies zu tun, obwohl in dem Fall mehr
Zeit erforderlich wäre, um
ein System zu trainieren, wenn ein neurales Netzwerk verwendet wird.
-
Für alle diese
Proben ist die „wahre" thermische Messung
der Wert, der auf der sehr glatten Oberfläche erhalten und in der Tabelle
abgelegt worden ist. Für
eine vollständig
glatte, bezüglich
der Zusammensetzung homogene Probe sollte an jedem Punkt auf der
Oberfläche
der Probe dieselbe thermische Antwort gemessen werden. In der Praxis
kann ein Mittelwert von der glattesten verfügbaren Oberfläche der
Probe manchmal als der „wahre" Wert genommen werden,
wenn eine geeignete Menge von Kalibrierproben nicht verfügbar ist,
oder nicht genügend
Zeit zum Kalibrieren unter Verwendung dieser Kalibrierproben verfügbar ist.
Von diesen Proben (den Proben, die für die Kalibrierung verwendet
werden, mit einer Oberflächentopographie,
die von dem sehr Glatten zu dem sehr Rauhen reicht) wird eine Tabelle
topographischer Parameter erhalten, zusammen mit der Messung der
scheinbaren thermischen Leitfähigkeit
für einen
weiten Bereich unterschiedlicher Topographien. In jedem Fall ist
der erforderliche Wert als die Messung auf einer glatten Fläche gegeben.
-
Bevorzugt
wird ein Vielfalt unterschiedlicher Proben mit unterschiedlichen
thermischen Eigenschaften verwendet (d.h. unterschiedlichen Werten auf
der sehr glatten Oberfläche).
Für das
beste Ergebnis sollte die Oberflächentopographie
von sehr glatt bis rauh variieren, mit unterschiedlichen Typen der
Rauhigkeit, z.B. gezackt, gerundet oder Bruchrauhigkeit. Bevorzugt
ist die Rauhigkeit des Trainingssatzes ähnlich der Rauhigkeit der Proben,
die studiert werden sollen. Wenigstens zwei Trainingsläufe müssen mit
jedem Material durchgeführt
werden, einer mit einer sehr glatten Oberfläche und einer mit einer rauhen
Oberfläche.
Bevorzugt sollte die rauhe Oberfläche wenigstens so rauh sein,
wie die Oberfläche
der Probe, die abgebildet werden soll. Mehr als zwei Trainingsläufe verbessern
die Qualität
und Zuverlässigkeit
der Ergebnisse. Dies bildet dann den Trainingssatz, den das neurale
Netzwerk verwendet, um zu „lernen", wie der Effekt
der Topographie zu beseitigen ist, um die thermische Leitfähigkeit
zu erhalten, die erhalten worden wäre, wenn die Oberfläche sehr
glatt gewesen wäre.
Geeignete Software für neurale
Netzwerke ist kommerziell verfügbar,
z.B. „BackPack
Neural Netzwork System" oder „Pathfinder
Neural Network System",
verfügbar
von Z Solutions, Inc., Roswell Road, Atlanta, GA 30328.
-
Bei
einer auf einem neuralen Netzwerk basierenden Ausführungsform
der vorliegenden Erfindung verarbeitet ein neurales Netzwerk Eingabedaten,
um dekonvolutierte Daten der thermischen Leitfähigkeit zu erzeugen. In diesem
Sinne dekonvolutiert das neurale Netzwerk die Information über die thermische
Leitfähigkeit
von der topographischen Information. Um neurale Netzwerke zu verwenden, müssen sie
trainiert werden. 5(b) ist ein schematisches Schaubild
zum Trainieren eines neuralen Netzwerkes 502 in einer Trainingsphase
entsprechend einer Ausführungsform
eines neuralen Netzwerkes der vorliegenden Erfindung. Der Trainingsdatensatz
wird in einer Tabelle ähnlich
der, die in 5(a) gezeigt ist, gespeichert. Über die
Trainingsphase speichert die letzte Spalte der Tabelle bekannte
(oder akzeptierte) Werte der thermischen Leitfähigkeit für die Probe, die verwendet
worden ist, um das neurale Netzwerk 502 zu trainieren.
-
In
der Trainingsphase werden die Differenzen auf der z-Achse für die nächst benachbarten
Pixel zu dem Pixel, der analysiert wird (und für weitere Pixel, die weiter
von dem Pixel entfernt sind, der analysiert wird, wenn dies gewünscht ist),
in das neurale Netzwerk eingegeben. Zusätzlich werden die gemessenen
Werte der thermischen Leitfähigkeit
und der bekannte (oder akzeptierte) Wert der thermischen Leitfähigkeit
an dem Pixel, der analysiert wird, in das neurale Netzwerk eingegeben.
Dieser Prozeß wird für jeden
Datenpunkt in dem Trainingsdatensatz durchgeführt.
-
Nachdem
das neurale Netzwerk 502 trainiert worden ist, kann es
verwendet werden, um Messungsdaten zu analysieren, welche in einer
Meßphase
erhalten worden sind, wie in 5(c) gezeigt. Eine
Tabelle ähnlich
der, die in 5(a) veranschaulicht ist, wird
erzeugt. In der Meßphase
ist die letzte Spalte der Tabelle der vorhergesagte Wert der thermischen
Leitfähigkeit
an dem Pixel, der analysiert wird, wie er von dem neuralen Netzwerk 502 als
Antwort auf eine Eingaben ausgegeben wird. Die Eingaben an das neurale
Netzwerk 502 für
die Meßphase sind
die Differenzen auf der z-Achse für die nächst benachbarten Pixel zu
dem Pixel, der analysiert wird (und für weitere Pixel, die weiter
von dem Pixel entfernt sind, der analysiert wird, wenn dies gewünscht ist),
und dem gemessenen Wert der thermischen Leitfähigkeit an dem Pixel, der analysiert
wird.
-
In
manchen Fällen
ist es bevorzugt, die Daten, bevor sie an das neurale Netzwerk 502 in
der Trainings- und/oder Meßphase
gegeben werden, vorab zu bearbeiten. In diesem Fall kann irgendeine gewünschte Vorverarbeitung
der Daten durchgeführt werden.
Wohlbekannte Datenvorbearbeitung zum Einsatz bei Anwendungen in
neuralen Netzwerken umfassen die Datennormierung und Datentransformation.
-
Die 6(a)–6(f) veranschaulichen die Ergebnisse, die
erhalten werden, wenn die vorliegende Erfindung bei einer inhomogenen
Probe mit einer rauhen Oberfläche
angewendet wird. Die Probe hat drei Materialphasen, eine Materialphase
mit einer relativ niedrigen thermischen Leitfähigkeit, eine zweite Materialphase
mit einer relativ hohen thermischen Leitfähigkeit und eine dritte Materialphase
mit einer dazwischenliegenden thermischen Leitfähigkeit. Die mikrographische
Darstellung, die in 6(a) gezeigt ist,
ist eine Messung der Topographie der Probe. Die mikrographischen
Darstellungen, die in den 6(b) und 6(c) gezeigt sind, zeigen die kombinierten
Effekte der Topographie und der Inhomogenität in der thermischen Leitfähigkeit
der Probe. Die mikrographische Darstellung der 6(b) basiert
auf den thermischen Rohdaten. Die mikrographische Darstellung der 6(c) basiert auf denselben thermischen
Rohdaten, wie sie in 6(b) verwendet
werden, sie benutzt jedoch eine Farbskala, um die Variationen in den
Daten besser zu veranschaulichen. Die mikrographische Darstellung,
die in 6(d) gezeigt ist, veranschaulicht
die Ergebnisse der vorliegenden Erfindung: sie ist ähnlich der
mikrographischen Darstellung, die in 6(c) gezeigt
ist, die Variationen aufgrund der Oberflächentopographie sind jedoch
im wesentlichen entfernt, indem ein neurales Netzwerk angewendet
wird, um die topographischen Effekte aus dem Bild zu beseitigen.
-
Die
Probe weist drei unterschiedliche Phasen auf, die in dem thermischen
Bild, das in 6(b) gezeigt ist, kaum
unterschieden werden können.
Es gibt eine dunkle Phase oben rechts, eine helle Phase oben links
und eine Zwischenphase unten. Obwohl das geübte Auge die Effekte der Topographie
in gewissem Maße
auflösen
kann, um diese Phasen zu unterscheiden, gibt es weiterhin einen
weiten Bereich von Werten, die für
die thermische Messung innerhalb jeder Phase erhalten worden sind.
In dem Bild, das in 6(d) gezeigt ist,
sind die Ergebnisse des Anwendens des neuralen Netzwerkes zu sehen. Jede
Phase ist beträchtlich
homogener geworden.
-
Die
Histogramme, die in den 6(e) und 6(f) gezeigt sind, sind den Bildern entnommen,
die in 6(c) bzw. 6(d) gezeigt
sind. Diese Histogramme veranschaulichen auch den Vorteil des Verwendens der
vorliegenden Erfindung. Die Peaks sind dramatisch verschärft, mit größerer Unterscheidung
zwischen ihnen in dem Histogramm aus 6(f) als
in dem Histogramm aus 6(e). 6 zeigt,
daß das
Verfahren der vorliegenden Erfindung sehr effektiv beim Dekonvolutieren
(oder Trennen) der Effekte aufgrund der thermischen Leitfähigkeit
der Probe von den Effekten aufgrund der Oberflächentopographie (oder Rauhigkeit)
der Probe ist und dann beim Kompensieren des Effektes der Topographie,
so daß die
Interpretation des Bildes vereinfacht wird.
-
Die
Bilder, die bei Verwenden der vorliegenden Erfindung erhalten worden
sind, können
verbessert werden, indem Gauss'sche
Peaks an die Verteilung der Pixelintensität in den Histogrammen angepaßt werden,
wobei die Techniken verwendet werden, die oben beschrieben sind.
Zum Beispiel können
Gauss'sche Peaks
an die drei Hauptpeaks in dem Histogramm, das in 6(f) gezeigt
ist (die Peaks bei 3.5 mW, 3.8 mW und 4.2 mW) angepaßt werden.
Die Schnitte der angepaßten
Gauss'schen Peaks
könnten
dann verwendet werden, um „Entscheidungsgrenzen" zwischen der hellen,
dazwischenliegende und dunklen Phase des Bildes zu ermitteln, und
das Bild könnte
dementsprechend neu gefärbt
werden, wobei zum Beispiel Schwarz, Grau und Weiß verwendet werden, um ein
schärferes
Bild der Probe zu erzeugen. Farbbilder könnten auch erzeugt werden,
indem zum Beispiel Gelb der hellen Phase, Grün der Zwischenphase und Blau
der dunklen Phase zugewiesen wird. Der anspruchsvollere Ansatz,
Grauwerte basierend auf der Wahrscheinlichkeit, daß ein bestimmter
Pixel zu der einen oder der anderen der Phasen gehört, zur
Verfügung
zu stellen, wie oben beschrieben, könnte auch verwendet werden,
um zum Beispiel Pixel zuzulassen, die Beiträge aus mehr als einer Phase
haben.
-
Die 7(a)–7(c) zeigen die Ergebnisse eines Vielschichtfilms,
der größtenteils
aus unterschiedlichen Qualitäten
von Polyethylen hergestellt ist. Das Bild in 7(a) zeigt
die Topographie des Vielschichtfilmes, während das Bild in 7(b) die unkorrigierte Abbildung der relativen
thermischen Leitfähigkeit
zeigt. 7(b) zeigt offensichtlich eine Anzahl
unterschiedlicher Schichten mit unterschiedlichen thermischen Leitfähigkeiten.
Das Bild in 7(c) ist ein Bild der
thermischen Leitfähigkeit, das
korrigiert worden ist, indem das neurale Netzwerk gemäß der vorliegenden
Erfindung verwendet wurde. 7(c) ist
wesentlich homogener als 7(b). Dies
ist das richtige Ergebnis für
diese Probe, da die unterschiedlichen Qualitäten des Polyethylens fast identische
thermische Leitfähigkeiten
haben. Die verbleibenden Merkmale, die in 7(c) gezeigt
sind, können
tatsächlich
Inhomogenitäten
in der Probe widerspiegeln oder können einfach auf nicht perfekter
oder nicht vollständiger Dekovolutierung beruhen.
In dem letzteren Fall würden
diese Merkmale mit einem erweiterten Trainingssatz verschwinden und/oder
indem auch die Trainingsdaten nicht nur der nächsten Pixel zu jedem Punkt
sondern auch von Pixeln, die von jedem Punkt weiter entfernt sind,
berücksichtigt
werden.
-
Weitere Ausführungsformen
der Erfindung
-
Anstatt
eines Kalibriersatzes basierend auf einer Anzahl von Standards könnten innerhalb
eines einzelnen Bildes unterschiedliche Flächen ausgewählt werden, die deutlich eine
Phase sind, so daß ein
Trainingssatz erhalten werden kann, um das Gesamtbild zu interpretieren,
wobei der mittlere (oder vorhergesagte oder bekannte) Wert des Signals
für das
Training verwendet wird.
-
Da
jede Sonde unterschiedlich ist, könnte ein Master-Trainingssatz
erzeugt werden, indem eine typischer Sonde verwendet wird. Eine
Oberfläche
oder ein Bereich von Oberflächen
für einen
Standard oder für
Standards (jedoch eine viel geringere Anzahl als bei dem Master-Trainingssatz verwendet)
könnte dann
für den
Vergleich unterschiedlicher Sonden verwendet werden, um ein neurales
Netzwerk zu erzeugen, das Daten für unterschiedliche Sondenformen korrigiert,
für die
nachfolgende Eingabe in den Satz, der auf dem Master-Trainingssatz
trainiert worden ist. Dies würde
die Zeit verringern, die erforderlich ist, um jede Sonde zu kalibrieren.
-
Es
ist bekannt, daß das
Modul des Materials und die Kraft, die angelegt wird, die Kontaktfläche und
somit die erscheinenden thermischen Eigenschaften beeinflussen kann.
Dies könnte
als eine Variable in den Trainingssatz eingegeben werden. Dies könnte dann
durch eine Vertiefungs-Schermessung gemessen werden, die entweder
gleichzeitig mit der thermischen Messung durchgeführt wird,
oder vorangehend oder anschließend
an die thermische Messung, mit derselben oder einer unterschiedlichen Sonde.
-
In
der obigen Beschreibung ist der erforderliche Wert der Wert, der
auf einer glatten Fläche
erhalten worden ist. Eine weitere Möglichkeit ist es, das neurale
Netzwerk zu kalibrieren, um eine thermische Eigenschaft zu liefern,
z.B. die thermische Leitfähigkeit.
-
In
Fällen,
in denen ein diskkontinuierlicher Kontaktmodus verwendet wird, so
wie gepulste Kraft, kann das neurale Netzwerk trainiert werden,
indem der gesamte Datensatz verwendet wird, der während eines
Meßzyklus
abgeleitet worden ist, oder irgendeine Untermenge dieser Daten.
-
Die
voranstehende Offenbarung der bevorzugten Ausführungsformen der Erfindung
ist zu Zwecken der Veranschaulichung und Beschreibung vorgelegt
worden. Sie ist nicht als erschöpfend
oder als die Erfindung auf die genauen offenbarten Formen beschränkend gedacht.
Viele Variationen und Modifikationen der hierin beschriebenen Ausführungsformen
werden dem Durchschnittsfachmann im Lichte der obigen Offenbarung
offensichtlich werden. Weiter, beim Beschreibung repräsentative
Ausführungsformen
der vorliegenden Erfindung kann die Beschreibung das Verfahren und/oder
den Prozeß der vorliegenden
Erfindung als eine bestimmte Abfolge von Schritten dargestellt haben.
In dem Umfang jedoch, daß das
Verfahren oder der Prozeß nicht
auf die bestimmte Reihenfolge der hierin beschriebenen Schritte
vertraut, sollte das Verfahren oder der Prozeß nicht auf die beschriebene
bestimmte Abfolge von Schritten beschränkt werden. Wie ein Durchschnittsfachmann
erkennen würde,
können
andere Abfolgen von Schritten möglich
sein.