Resum

La microscopia de força atòmica (AFM) multifreqüència genera múltiples observables per píxel, capturant informació espectral i mecànica de gran riquesa, superior a l'obtinguda amb imatges monocanal convencionals. Si bé l'AFM multifreqüència es fa servir tradicionalment per a la quantificació píxel a píxel de les propietats dels materials, el seu potencial va més enllà de l'extracció numèrica directa. Proposem aprofitar l'estructura inherent de les dades multifreqüència per identificar primer els objectes i distingir-ne els fenòmens físics abans d'aplicar models quantitatius.

En integrar tècniques de visió d'intel·ligència artificial amb algorismes d'aprenentatge automàtic, processem múltiples observables per píxel per detectar automàticament característiques, classificar regions de material, identificar transicions físiques i predir models de força òptims en temps real. Aquest enfocament canvia el paradigma de l‟extracció directa de paràmetres a un procés de dos passos: (1) identificació d‟objectes i fenòmens mitjançant una classificació basada en visió i dades, i (2) quantificació analítica posterior utilitzant el model de força més adequat. Demostrem que aquest mètode millora el contrast, augmenta la fiabilitat de la recuperació de propietats del material i revela interaccions a nanoescala que romanen ocultes als canals AFM sense processar.

El marc estableix una interpretació intel·ligent de dades AFM multifreqüència, la qual cosa permet la classificació automatitzada de materials i el modelatge adaptatiu de forces.

1. Santos, S.; Elsherbiny, L.; Lai, C.-Y.; Askar, K.; Gadelrab, K.; Chiesa, M., Automatic Generation of Contrast Maps in Terms of Van Der Waals Material Properties in Bimodal Afm. The Journal of Physical Chemistry C 2024, 128, 21154-21163
2. Elsherbiny, L.; Santos, S.; Gadelrab, K.; Olukan, T.; Font, J.; Barcons, V.; Chiesa, M., Machine Learning Assisted Multifrequency Afm: Force Model Prediction. Applied Physics Letters 2023, 123.
3. Lai, C.-Y, Santos, S.; Elsherbiny, L.; Gadelrab, K.; Chiesa, M., Intelligent Nanoscale Imaging: Harnessing Machine Learning for Multifrequency AFM (2025) Under preparation.