Väitös teknillisen fysiikan alalta, DI Niko Oinonen

Väitöskirjan nimi: Automating high-resolution atomic force microscopy image interpretation

Tohtoriopiskelija: Niko Oinonen
Vastaväittäjä: Prof. Philip Moriarty, University of Nottingham, Englanti
Kustos: Prof. Adam Foster, Aalto-yliopiston perustieteiden korkeakoulu, teknillisen fysiikan laitos

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/

Koneoppiminen auttaa molekyylien atomirakenteiden selvittämisessä atomivoimamikroskooppikuvista 

Aineen rakenteen ymmärtäminen nanoskaalassa on tärkeää sekä fysiikan perustutkimukselle että tulevaisuuden nanoteknologioiden kehitykselle. Tähän tavoitteeseen pääsemiseksi tarvitaan mikroskopiateknologioita joilla voidaan kuvantaa ainetta atomitasolla. Yksi johtavista atomitason mikroskopiateknologioista on atomivoimamikroskooppi, jolla pystytään paikantamaan jopa yksittäisiä atomeja yksittäisissä molekyyleissä. Tämän mittausmenetelmän käyttö tähän asti on kuitenkin rajoittunut enimmäkseen litteiden molekyylien kuvantamiseen, koska mittaussignaalin tulkinnasta tulee hyvin vaikeaa monimutkaisempien rakenteiden tapauksessa. 

Tässä väitöskirjassa yritetään etsiä ratkaisua kyseiseen ongelmaan atomivoimamikroskooppikuvien tulkinnassa käyttämällä koneoppimismenetelmiä. Oikeiden atomivoimamikroskooppikuvien käyttäminen koneoppimismallien sovittamisessa ei onnistu kuvien vähäisen otantamäärän takia, mutta atomivoimamikroskopiasta on kuitenkin mahdollista tuottaa nopeasti varsin tarkkoja simulaatioita tietokoneella. Väitöskirjatyössä tuotetaan suuri tietokanta atomivoimamikroskooppisimulaatioita, joita käytetään koneoppimismallien sovittamiseen, ja osoitetaan, että koneoppimismalleilla voidaan ennustaa molekyylien atomirakenne sekä sähkökenttä suoraan atomivoimamikroskooppikuvista, mukaan lukien oikealla atomivoimamikroskoopilla tuotetuista kuvista. Väitöskirjan tulokset ovat lupaava ensiaskel atomivoimamikroskooppimittausten analysoimisen automaatiossa, mikä on tärkeää jotta tätä mittausmenetelmää voitaisiin soveltaa tulevaisuudessa entistä laajemmin.

Yhteystiedot:

Perustieteiden korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/52