Ученые ЮУрГУ разрабатывают "цифровой микроскоп" для диагностики варисторов без разрезов и вакуума
Команда ученых под руководством зав. лабораторией Технического зрения, к.т.н., доцента Владимира Сурина предложила новый метод неразрушающего контроля оксидной керамики, позволяющий «заглянуть» внутрь варистора* с помощью ансамбля нейросетей и стандартных электрических измерений. Технология, объединяющая LSTM, PINN и GAN нейросети, предлагает альтернативу дорогостоящей электронной микроскопии и призвана существенно ускорить контроль качества в энергетике.
В отличие от классической растровой электронной микроскопии (РЭМ) или сканирующей электронной микроскопии (СЭМ), требующих разрушения образца, напыления проводящего слоя и вакуумной камеры, новая система работает по принципу цифровой реконструкции.
«Мы не конкурируем с растровой электронной микроскопией (РЭМ) по предельному нанометровому разрешению, а решаем задачу оперативного получения информации о внутренней структуре устройства без его физического вскрытия. То есть мы «заглядываем внутрь» без разрезания самого объекта, по сути реализуя цифровой неразрушающий контроль. Наш метод основан не на прямой оптической съемке, а на анализе многоканальных электрофизических измерений. Мы берем стандартные вольтамперные характеристики и токи утечки, а затем с помощью ансамбля нейросетей восстанавливаем по этим косвенным данным реальную микроструктуру. В нашем случае микроскоп цифровой, виртуальный: мы не просто увеличиваем поверхность, а по электрофизическим измерениям и обученной нейросетевой модели восстанавливаем микроструктуру внутри варистора. Формальное «разрешение» задаётся статистикой зёрен и пор, которую мы извлекаем из СЭМ‑изображений и используем при генерации синтетической структуры (диаграммы Вороного, 3D‑упаковки зёрен). Тип материала важен с точки зрения параметров модели (электрофизические свойства, характер микроструктуры), но сам принцип одинаково применим к различным оксидным композициям», – пояснил Владимир Анатольевич.
Ключевую роль в обработке данных играет гибридная нейросетевая модель:
- LSTM фильтрует шумы и обрабатывает временные ряды сигналов напряжения и тока.
- PINN (Физически-информированная нейронная сеть) встраивает в процесс обучения законы Кирхгофа и физику эквивалентной RC-схемы, подавляя нефизичные решения даже при малом объеме обучающей выборки.
- GAN (Генеративно-состязательная сеть) на основе полученных параметров генерирует синтетическое изображение зеренной структуры и пор, статистически неотличимое от снимков с дорогостоящего электронного микроскопа.
Преимущества такого метода: скорость, целостность и импортозамещение. Метод нацелен на выявление критических дефектов в варисторах – неоднородности межзеренных границ, кластеров крупных зерен и аномальной пористости, которые приводят к локальным перегревам и, в итоге, к ускоренной деградации устройств защиты от перенапряжений.
В числе ключевых преимуществ подхода, предложенного коллективом Владимира Сурина, можно выделить:
- неразрушаемость: образец не нужно резать, шлифовать или помещать в вакуум;
- скорость: если получение томограммы или СЭМ-среза занимает часы, то здесь результат выдается за секунды после завершения стандартного электрического теста. Метод потенциально совместим с контролем на производстве при потоке порядка сотен образцов за смену;
- стоимость: внедрение технологии не требует закупки уникальной импортной оптики или вакуумных колонок. «Цифровой микроскоп» реализуется как программный модуль, который можно условно «надеть» поверх уже существующего на производстве испытательного стенда. Это делает его потенциально привлекательным для решения задач импортозамещения при контроле качества и открывает возможность создания портативных или встраиваемых версий для выездной экспертизы.
В данный момент проект находится на стадии научной проработки и прототипирования в стенах ЮУрГУ, однако архитектура системы уже закладывается с возможностью интеграции в автоматизированные линии контроля качества на производствах (MES/АСУТП). Конечная цель проекта – внедрение на реальных производствах варисторов и родственных оксидных материалов.
Пользовательский интерфейс команда разработчиков обещает сделать максимально простым.
«Оператор работает с привычным набором электрофизических тестов, а система автоматически подхватывает результаты, запускает расчёт и нейросетевую реконструкцию. Для пользователя это выглядит как «чёрный ящик»: на вход – измерения, на выход – карта микроструктуры и показатели однородности. Для исследований будет предусмотрен режим с расширенными настройками моделей и сценариев тестирования», – рассказал Владимир Сурин.
По словам ученого, у его проекта есть потенциал для коллаборации с другими научными коллективами ЮУрГУ, в частности с проектом «ИК-метрология на основе квантовой интерферометрии» старшего научного сотрудника лаборатории «Квантовая инженерия света» Анны Патеровой. Ученый отмечает общность подходов в части «повышения информативности сигнала и восстановления скрытой структуры по косвенным данным».
«Непосредственно с квантовой интерферометрией и лабораторией Анны Патеровой наш текущий проект не пересекается, – отметил Владимир Анатольевич. – Мы работаем в другом частотном и сигнальном диапазонах и опираемся на электрические измерения, а не на оптические схемы. Но пересечение по смыслу есть – нас, как и коллег, интересует повышение информативности сигнала и восстановление скрытой структуры по косвенным данным. Мы видим потенциал для внутриуниверситетской коллаборации в части общих подходов к обработке и реконструкции сигналов и в дальнейшем будем очень рады такому взаимодействию».
Помимо варисторов, метод может быть адаптирован для широкого класса функциональной оксидной керамики, сенсоров и композитов, то есть везде, где существует прямая связь между электрофизикой и внутренней микроструктурой материала.
*Варисторы – полупроводниковые резисторы, защищающие электронные цепи от скачков напряжения.
Проект реализуется в рамках Грантовой программы В.Б. Христенко "Шаг в будущее". Это программа ежегодной финансовой поддержки программы развития Университета в рамках "Приоритет-2030". Гранты предоставляются на проведение перспективных исследований, формирование кадрового резерва и реализацию уникальных образовательных программ (компонентов), определяющих вектор развития ЮУрГУ и Челябинской области.
Узнавайте первыми главные энергетические новости и актуальную информацию о важных событиях дня в России и мире.
Подписывайтесь на наш канал в МАX
"ГИС-Профи. Информационное сопровождение предприятий энергетической отрасли"