利用基于卷积神经网络(CNN)的向下延续(downward continuation)技术提升磁显微镜数据的分辨率

《Journal of Magnetism and Magnetic Materials》:Enhancing the resolution of magnetic microscopy data with CNN-assisted downward continuation

【字体: 大 中 小 】 时间:2026年04月22日 来源:Journal of Magnetism and Magnetic Materials 3

编辑推荐:

  本研究提出一种结合向下继续(DC)技术和卷积神经网络(CNN)的混合方法,用于从低分辨率实验数据中重建高分辨率磁场分布图。通过数值投影磁场到更接近样品的虚拟平面,并利用CNN进行优化,该方法有效提升了空间分辨率,减少了信号损失达86%,并成功应用于铁氧化物颗粒系统和地质岩石切片的定量磁性分析。

  
Lanna Isabely M. Sinimbu|Carlos Alberto Senna|Melina Macouin|Rodrigo Prioli|Ant?nio C. Bruno|Jefferson F.D.F. Araujo
里约热内卢宗座天主教大学物理系,Marques de S?o Vicente街22451-900号,巴西里约热内卢

摘要

提高磁场测量的空间分辨率对于准确表征磁源的分布至关重要。在扫描磁显微镜(SMM)中,测量的垂直于平面分量Bz反映了样品表面附近的磁化几何结构。然而,传感器与样品之间的距离以及传感器尺寸的限制会导致空间模糊,掩盖精细的磁结构并降低定量估计的可靠性。在这项研究中,我们提出了一种混合方法,将向下延续(DC)技术与卷积神经网络(CNN)相结合,从低分辨率实验数据中重建高分辨率的磁场图。通过将测量到的场数值投影到更接近样品的虚拟平面上,并应用基于CNN的精细化处理,该方法增强了空间对比度,揭示了局部磁化特征,并提高了后续磁矩估计的准确性。该方法使用合成数据和实验数据进行了验证,包括氧化铁颗粒系统和地质岩石切片。

引言

材料系统中磁矩的表征是定量分析磁性质的基本步骤,与体积磁化的分布和被分析物体的内部结构直接相关。特别是地质样品、磁性矿物和金属氧化物纳米粒子由于其固有的各向异性和成分不均匀性,在磁响应上表现出显著的复杂性[1],[2]。基于霍尔效应传感器的扫描磁显微镜(SMM)已成为获取感应磁场图的高分辨率工具[3],[4],[5]。该技术能够直接分析Bz分量的空间变化,为局部磁性质的三维重建提供了宝贵的见解。然而,传感器与样品之间的距离以及传感器的敏感区域对空间分辨率和磁化估计的准确性提出了重大挑战[6],[7]。 这些限制并不局限于基于霍尔效应的系统。包括氮空位(NV)中心磁测法、扫描SQUID显微镜和磁力显微镜(MFM)在内的一类扫描探针技术都面临着一个共同的物理限制:测量到的场是样品表面真实场的空间滤波版本,这是由于有限的传感器-样品间距和探针响应的空间平均造成的[8],[9],[10],[11],[12],[13]。尽管每种技术的工作原理不同,分辨率也各不相同,但这一基本限制促使人们开发出能够在距离源有限距离处获取的测量数据中恢复精细空间特征的后期处理策略。 向下延续(DC)技术是一种强大的计算解决方案,可以将测量数据投影到更接近源的表面,从而能够在实验上无法到达的平面中模拟感应场[14],[15]。该方法基于通过空间傅里叶变换和与空间响应函数(通常由高斯滤波器建模)的卷积来传播磁场在空间频率域中的传播。然而,该方法在高空间频率下会变得不稳定,需要迭代正则化和谱平滑技术[15],[16]。在此过程中,可以通过空间滤波策略、主导波长调整以及用高斯卷积建模的传感器响应函数来减轻噪声放大[6],[7]。空间足迹校正是一个关键步骤,以避免对感应磁场的过高估计[4],[14]。这里,我们将空间足迹定义为从Bz场分布重建的磁源在测量平面上的明显几何投影。在这种情况下,等场轮廓被用作空间足迹的实际表示,作为后续定量建模的几何参考。 近年来,深度学习技术的出现彻底改变了物理学和地球科学中实验数据的处理方式。最初为计算机视觉应用开发的卷积神经网络(CNN)已成功应用于磁场重建和从Bz图预测体积磁化[17]。这些架构即使在信号重叠和高噪声水平的情况下也能实现材料磁特征的分层空间学习[18],[19]。向下延续和CNN的结合代表了一种高性能的混合策略,能够在各种实验条件下捕捉复杂的磁场分布模式,并估计物理性质,如磁矩和体积磁化[16],[17]。使用Keras/TensorFlow等平台实现的包含Conv2D层、最大池化层和全连接(密集)层的模型,在外场强度超过500 mT的情况下,显示出高效的外推磁行为,具有高精度和低标准差。此外,在具有复杂矿物组成的地质材料中,分离不同磁性矿物的贡献需要互补的统计技术。磁信号的互相关分析在去除铁磁性和顺磁性组分之间的重叠方面显示出潜力[20],[21]。这种方法能够构建相关矩阵并分离独立的残差组分,从而提高建模和矿物学解释的准确性[16]。 在这项研究中,我们提出了一种综合的方法论方法,结合了:(i) 通过DC从实验数据重建磁场,从而提高空间分辨率并改善磁场图的信噪比;以及(ii) 生成带有和不带有人工噪声的模拟数据集,这些数据集源自DC处理后的地图,用于训练CNN以定量估计磁矩和体积磁化。DC和CNN技术的结合旨在实现更高的空间分辨率,这对于提高磁显微镜中物理参数估计的准确性至关重要,尤其是在具有复杂矿物组成的系统中。虽然这里是在基于霍尔效应的SMM中展示的,但所提出的框架基于磁场传播的一般物理原理,因此也适用于其他存在类似卷积和衰减效应的扫描探针模式。该方法应用于含有氧化铁颗粒和天然岩石样本的样品。 这项工作建立在我们之前的研究[4]的基础上,在该研究中开发并验证了一种基于霍尔效应传感器的扫描磁显微镜系统,用于检测基于颗粒的样品中的感应磁场。在当前研究中,我们通过整合向下延续技术和CNN来扩展该框架,旨在显著提高空间分辨率,并实现对合成和天然磁性材料的定量分析。

数据采集仪器

本研究的实验数据采集使用了采用轴向梯度配置的霍尔效应传感器的SMM,该配置通过抑制来自环境或电磁铁本身的均匀分量来增强磁场的局部变化[22]。测量集中在与样品表面平行的平面上检测到的垂直于平面分量Bz上。这种梯度方法消除了对传统磁屏蔽的需求,

岩石样本

为了恢复位于点z'(对应于测量点)的磁场值,该点由分布在体积内的未知源产生,可以应用多种广泛使用的统计方法,包括外推或数据插补技术,这些技术旨在重建或补充缺失的信息[26],[27],[28],[29]。在向下延续技术中,可以采用线性、指数或特定于系统的物理建模方法。

结论

在这项研究中,我们开发并验证了一种混合方法论,该方法结合了向下延续、CNN细化和等场轮廓分析,以使用霍尔传感器提高扫描磁显微镜的空间分辨率。这一框架解决了传感器-样品间距和传感器足迹带来的限制,使得能够重建适用于定量反演的高保真度磁场图。 当应用于磁性颗粒系统时,该方法减少了

CRediT作者贡献声明

Lanna Isabely M. Sinimbu:撰写——原始草稿、可视化、验证、方法论、研究、资金获取、形式分析、数据管理、概念化。Carlos Alberto Senna:撰写——原始草稿、研究、数据管理。Melina Macouin:撰写——原始草稿、方法论、数据管理。Rodrigo Prioli:撰写——原始草稿、方法论、研究、数据管理。Ant?nio C. Bruno:撰写——原始草稿、验证、监督、项目

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本研究部分由巴西高等教育人员协调机构(CAPES)以及巴西CNPq(项目编号:312460/2023-6)和FAPERJ(项目编号:)(项目编号:E-26/210.305/2022)资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号