原子力显微镜（AFM）用于纳米结构成像与物性表征，但逐点扫描方式难以兼顾成像速度与空间分辨率。人工智能超分辨技术虽有望改善该问题，但通用图像重建模型与真实AFM采样过程不匹配，易引入不符合实验观测的伪影。如何提高采集效率并保证结构与物性信息的可靠性，是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科研团队构建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复原精细空间信息。

　　团队构建了“结构重建—细节恢复”两阶段框架，先用AFM-SwinIR网络复原图像基础结构，再通过适配AFM图像的潜空间扩散模型细化界面与局部特征。为避免生成的细节偏离实验数据的情况，团队提出了潜空间扩散后验采样策略，依据AFM采样规则将当前重建结果映射回原始低分辨测量网格，并依据重建结果与实测数据的偏差进行修正。测试结果显示，加入物理测量约束的模型均方误差下降约31.3%，提高了重建与观测的一致性。

　　团队进一步将StableAFM模型用于多层陶瓷电容器介质层的电荷陷阱分析，利用快速采集的低分辨开尔文探针力显微镜（KPFM）表面电势图像重建高分辨电势序列，并结合等温表面电势衰减（ISPD）分析，获取陷阱能级与密度的空间分布。研究发现，各类陷阱的空间分布存在差异。其中，电荷注入区域附近聚集的深能级电子陷阱聚集区，出现不连续的类环状耗尽特征，原始低分辨结果无法独立确定其连续边界。多组重复实验均在相同区域复现该特征，且形貌图像无对应环状结构，证明该特征与电学陷阱响应相关，排除单次随机重建或明显形貌串扰的可能。实验中，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该类环状耗尽特征。

　　该模型还具备跨材料与跨成像模式的应用潜力，既能复原表面划痕、晶粒边界等形貌特征，也可重建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，还可为多类扫描探针显微数据的分析提供支持。

　　该研究融合了物理采样模型、生成先验与实测一致性约束，使超分辨重建可用于动态过程物理参数提取，为破解扫描探针显微成像速度与分辨率难以兼顾的难题提供了新方法，也为功能材料的高通量表征及局域电学行为研究提供了技术框架。

　　相关研究成果发表在Small methods上。