物理科技AI 内容整理

StableAFM用实测数据约束显微图像重建，检查生成细节是否可信

1 篇资料 · 1 个来源原文发布于 2026年9月29日

先了解这件事

中科院上海硅酸盐所的StableAFM把生成模型与原子力显微镜采样规则结合：先恢复基础结构，再细化局部特征，同时把重建结果映射回原始测量网格，检查并修正与实测数据的偏差。原文发表于9月29日，本次作为测量证据与模型边界的拓展资料整理。

研究在测试中得到加入物理约束后均方误差下降约31.3%的结果，并用于多层陶瓷电容器介质层的电荷陷阱分析。这说明该测试下重建与观测更一致，不意味着分辨率提高31.3%，也不能仅凭一幅更锐利的图认定所有细节都是真实结构。

本站分析：这篇资料的价值是展示一条证据链——生成候选细节、检查实测一致性，再用重复实验与独立对照核验。它是科研成像方法，不是高中必学算法，也不是把普通图片变清晰就能获得新实验数据。

AI 根据完整正文整理；具体条件和来源见下方。

原文的第一阶段采用AFM-SwinIR恢复基础结构，第二阶段由适配AFM的潜空间扩散模型恢复细节。关键不只是网络串联，而是按AFM采样规则检验重建结果是否仍能解释已有测量。

约31.3%指加入物理测量约束后测试中的均方误差降幅；4倍指该电容器介质分析实验中的KPFM数据采集速度。两者都不能改写成显微镜本征分辨率提高，也不保证其他材料自动取得同样效果。

研究从快速采集的低分辨表面电势图重建高分辨电势序列，再经等温表面电势衰减分析拟合陷阱能级与密度分布。电势测量、图像重建和参数推断是三个环节，必须区分。

重建分析出现深能级电子陷阱的不连续类环状耗尽特征；多组重复实验在相同区域复现，形貌图没有对应环状结构。原文据此排除单次随机重建及明显形貌串扰的可能，但原始低分辨数据本身不能独立确定连续边界。

本站备课建议

本站备课建议：在“测量与数据处理”讨论中，先展示原文两阶段框架，请学生区分低分辨输入、算法重建和实验验证。追问：“如果两张重建图都能对应同一组测量，能仅凭更清晰选出真实的一张吗？”能指出需要额外证据，而非只看画面锐利程度，才算抓住关键。

本站改编建议：把“均方误差下降31.3%”“KPFM采集速度4倍”“多次出现同一区域特征”分成三张文字证据卡，让学生分别解释它们支持误差、效率还是可重复性。追问哪一项能证明所有生成细节真实，预期回答是三项各有范围，不能合并成无限制保证。

原文、装置图及附件在来源网站查看。

2026年9月29日 · 中国科学院科研进展

中科院上海硅酸盐所构建StableAFM，将AFM采样规则与生成模型结合，用低分辨实测数据约束图像重建。加入测量约束后，测试中均方误差下降约31.3%；在电容器介质电荷陷阱分析中，KPFM采集速度达原来的4倍，并通过重复实验及形貌对照核验局部特征。