Förderorganisation: European Partnership on Metrology
Ansprechperson: Kostas Giannis
Zusammenfassung des Gesamtprojekts:
Die präzise Kalibrierung von Mikroskopen auf atomarer Ebene ist entscheidend für Fortschritte in der Nanotechnologie, Materialwissenschaft und Molekularbiologie. Herkömmliche Kalibrierungsmethoden sind häufig manuell und zeitaufwendig und bieten nicht das Maß an Präzision und Reproduzierbarkeit, das für Spitzenforschung erforderlich ist. Diese Abschlussarbeit untersucht einen standardisierten Ansatz zur Kalibrierung von Mikroskopen auf atomarer Ebene mithilfe neuronaler Netze (NN) und generativer adversarieller Netzwerke (GANs). Durch die Automatisierung des Kalibrierungsprozesses soll die Genauigkeit, Effizienz und Zuverlässigkeit der Abbildung im atomaren Maßstab verbessert und damit wissenschaftliche Entdeckungen sowie Innovationen gefördert werden.
Hochauflösende Elektronenmikroskope und Rastersondenmikroskope sind unverzichtbare Werkzeuge zur Visualisierung und Analyse von Materialien auf atomarer Ebene. Ihre Präzision hängt jedoch stark von einer sorgfältigen Kalibrierung ab. Aktuelle Methoden sind anfällig für menschliche Fehler und Inkonsistenzen, was ihre Wirksamkeit und Reproduzierbarkeit einschränkt. Für die Kalibrierung werden häufig kristalline Standards mit selbstorganisierten Strukturen verwendet. Diese Strukturen müssen identifiziert und von ungeeigneten Strukturen unterschieden werden, damit sie weiterverarbeitet werden können. Diese Arbeit adressiert den dringenden Bedarf an einer automatisierten, standardisierten Kalibrierungsmethode, die für die Nachbearbeitung kristalliner Standards eingesetzt werden kann.
Abb.: Schematische Darstellung des Projektplans