Väitös teknillisen fysiikan alalta, FM Lauri Kurki

Väitöskirjan nimi: Image interpretation methods for high-resolution scanning probe microscopy

Väittelijä: Lauri Kurki
Vastaväittäjä: apulaisprofessori Oliver Hofmann, TU Graz, Itävalta
Kustos: professori Adam Foster, Aalto-yliopiston perustieteiden korkeakoulu 

Erilaisilla rajapinnoilla on tärkeä rooli luonnollisissa ja teknologisissa järjestelmissä, ja atomitason vuorovaikutuksilla ja rakenteilla on suuri vaikutus niiden ominaisuuksiin. Perinteisillä optisilla mikroskoopeilla ei pystytä tutkimaan näin pieniä rakenteita, vaan nykyään käytetään yleisesti atomivoima- ja tunnelointimikroskooppeja, joilla atomitason rakenteita voidaan kuvata. Vaikka nämä menetelmät mahdollistavan hämmästyttävän tarkkojen kuvien ottamisen, kuvien tulkinta ei ole suoraviivaista. Lievätkin kolmiulotteisuudet näytteessä sekoittavat kuvan kontrastia, ja kemiallisesti monimutkaisissa näytteissä ei ole yksiselitteistä tapaa päätellä, mitä aineita näytteessä todella esiintyy pelkän kuvan perusteella.

Tämän työn tavoitteena on ollut edistää näytteiden tunnistukseen käytettäviä menetelmiä. Perinteinen näytteiden tunnistus perustuu simulointeihin ja se vaatii valtavasti manuaalista työtä sekä laskentakapasiteettia, koska tutkijan on simuloitava suuri määrä mahdollisia näytteitä ja verrattava niitä alkuperäiseen kuvaan. Mikäli näytteiden tunnistus voidaan automatisoida, tutkijoilta vapautuisi aikaa keskittyä nimenomaan uusien ilmiöiden tutkimiseen, kun manuaalinen tunnistustyö voidaan ohittaa. Väitöskirjan suurin yksittäinen tavoite olikin kehittää koneoppimispohjainen työkalu tunnelointimikroskooppikuvien automaattiseen tulkitsemiseen. Sen lisäksi työssä edistettiin näytteiden tunnistusmenetelmiä atomivoimamikroskopiassa.

Tulokset jakautuvat kahteen kokonaisuuteen. Ensinnäkin työssä käytettiin perinteistä, simulaatioihin perustuvaa näytteen tunnistusta, jota käytettiin vesimolekyylien ja organopiiyhdisteiden tutkimiseen. Koneoppimismenetelmiä kehitettiin kahdessa seuraavassa osatyössä, joissa onnistuttiin tunnistamaan orgaanisia molekyylejä automaattisesti ilman ulkoista ohjausta. Koneoppimispohjaisilla menetelmillä näytteen tunnistukseen kului vain sekunteja, kun perinteisellä menetelmällä aikaa kuluu moninkertaisesti.

Tämä tutkimus on osa laajempaa kehitystä, jossa koko kuvausprosessi aina mikroskoopin käyttämisestä kuvien tulkitsemiseen asti pyritään automatisoimaan, ja vaikka tässä väitöskirjassa ei paneuduta kuin osaan tästä ongelmasta, työssä otettiin tärkeitä askeleita kohti kokonaan automaattista kuvausta.

Avainsanat: tunnelointimikroskooppi, atomivoimamikroskooppi, koneoppiminen, neuroverkot 

Yhteystiedot: lauri.v.kurki@gmail.com 

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 7 päivää ennen väitöstä): Aaltodoc