原子力显微镜（AFM）是开展纳米结构成像与物性表征的重要工具。然而，其逐点扫描方式使成像速度与空间分辨率难以兼顾，尤其在物理效应动态表征过程中，高密度扫描耗时较长，稀疏快速扫描又容易丢失空间细节。近年来，人工智能超分辨技术为缓解这一矛盾提供了新途径，但通用图像重建模型与真实AFM采样过程不匹配，可能引入不符合实验观测的伪影。因此，如何在提高采集效率的同时保留可靠的结构与物性信息，已成为拓展扫描探针显微动态表征应用亟需解决的重要问题。

近日，中国科学院上海硅酸盐研究所曾华荣研究员团队开发了物理引导生成式超分辨模型StableAFM。该模型将AFM采样物理与潜空间扩散模型相结合，以原始测量数据约束图像重建，从而在快速稀疏扫描条件下恢复精细空间信息。该方法在多层陶瓷电容器（MLCC）的电荷动态研究中，将开尔文探针力显微镜（KPFM）数据采集速度提升至原来的4倍，并在重建序列的陷阱分析中识别出深能级电子陷阱聚集区域内的类环状耗尽特征。相关工作以“A Physics-Guided Generative Diffusion Model for Super-Resolution AFM of Trap Dynamic Behavior”为题发表在Small methods期刊。上海硅酸盐所在读博士生杜文通为论文第一作者，曾华荣研究员为通讯作者。

超分辨重建的关键不仅在于补充图像细节，更在于使重建结果与实际测量保持一致。传统超分辨训练常采用双三次下采样生成低分辨图像，而AFM低分辨扫描更接近对真实表面的离散稀疏采样。二者之间的差异导致模型直接用于真实扫描图像时容易产生伪影。针对这一问题，团队建立了与AFM采样机制一致的物理退化模型，为高、低分辨训练图像建立可解释的对应关系，从数据构造环节降低训练与实际测量之间的失配。

在此基础上，团队构建了“结构重建—细节恢复”的两阶段框架：首先利用AFM-SwinIR网络恢复图像基本结构，再由面向AFM图像适配的潜空间扩散模型细化界面与局部特征。为避免生成细节偏离实验数据，团队提出了潜空间扩散后验采样（LS-DPS）策略，在每一步去噪过程中，将当前重建结果按照AFM采样规则映射回原始低分辨测量网格，并根据其与实测数据的偏差修正重建。相较于移除该约束的模型，完整模型在基准测试中的测量均方误差降低约31.3%，表明物理测量约束提高了重建与观测的一致性。

为验证模型在微观物性动态研究中的应用价值，团队进一步将StableAFM用于多层陶瓷电容器（MLCCs）介质层的电荷陷阱分析。在局域电荷注入后，以66秒/帧连续采集32×64像素的KPFM表面电势图像，再重建为256×256像素的电势序列；结合等温表面电势衰减（ISPD）分析，提取陷阱能级与密度的空间分布，实现由快速图像采集向局域物理参数分析的衔接。

研究发现，空穴陷阱与浅、深能级电子陷阱呈现不同的空间分布。其中，深能级电子陷阱在电荷注入区域附近明显聚集，其中心聚集区域内出现不连续的类环状耗尽特征，重建结果线剖面显示局域表观尺度约为0.4-0.5微米。原始低分辨结果虽能呈现离散轮廓，却不足以独立确定连续边界。通过四组不同随机种子重复完整的重建与ISPD拟合流程，该特征均在相同区域复现；同时采集的形貌图像亦未见对应的环状结构。这些结果支持该特征与电学陷阱响应相关，降低了单次随机重建或明显形貌串扰造成该特征的可能性。

该模型还展现出跨材料与跨成像模式的应用潜力。实验对比表明，StableAFM不仅能恢复表面划痕、晶粒边界等形貌特征，还可良好地重建KPFM表面电势差异，以及压电响应力显微镜（PFM）图像中的铁电畴取向和极化区域边界。这表明，该方法的价值不限于特定材料或单一图像类型，可为多类扫描探针显微数据的分析提供支持。

该研究将物理采样模型、生成先验与实测一致性约束相结合，使超分辨重建从图像细节增强进一步服务于动态过程中的物理参数提取。相关成果为突破扫描探针显微成像中速度与分辨率难以兼顾的瓶颈提供了新方法，也为功能材料的高通量表征及局域电学行为研究提供了可借鉴的技术框架。

论文链接：https://doi.org/10.1002/smtd.71042

图1 物理引导生成式超分辨模型StableAFM重建框架

图2 StableAFM辅助的MLCC深能级电子陷阱表征，重建序列经等温表面电势衰减（ISPD）分析拟合获得的能级和密度分布

图3 StableAFM与不同超分辨模型在AFM多成像通道中的重建效果对比