基于机器学习辅助电阻层析成像的激光诱导石墨烯亚视觉缺陷无损定位

《ACS Omega》：Nondestructive Localization of Subvisual Defects in Laser-Induced Graphene via Machine-Learning-Assisted Electrical Resistance Tomography

　　

研究人员开发了一种基于机器学习辅助电阻层析成像（ML-ERT）的鲁棒方法，用于快速、无损地定位多孔激光诱导石墨烯（LIG）中的"亚视觉"缺陷。研究人员采用掩模O₂等离子体辐照引入局部缺陷，该类缺陷可导致电阻急剧升高至4个数量级，但在视觉观察及电子显微镜下仍无法区分。ML-ERT框架由一维卷积神经网络（1D-CNN）逆求解器驱动，当电阻对比度达到R/R₀ ≥ 6.71阈值时，即可成功精确定位这些隐性失效。此外，三维有限元分析（3D FEM）揭示，层析对比度由超过30%的有效导电体积损失所驱动，内部导电通路退化被确定为主要的致效机制。这些结果确立了ML-ERT作为一种高灵敏度诊断工具的地位，使其能够可视化电学关键但光学不可见的失效，为大面积碳电子器件的质量控制提供了确定性解决方案。

激光诱导石墨烯（LIG）作为一种通过直接激光书写在聚酰亚胺（PI）上制备的碳材料，因其可规模化制造、三维多孔微结构及高导电性的结合而备受关注。目前，LIG已在柔性传感器、电化学器件及能源系统等方向得到广泛探索。然而，在这些应用中，器件性能与可靠性主要受导电网络连续性的支配，局部缺陷、工艺诱导的非均匀性或操作过程中累积的损伤均可能导致导电性局部退化并引发显著性能损失。因此，识别电学退化的空间分布并评估其严重程度，对于工艺优化、质量控制和失效分析至关重要。

现有表征方法虽能提供不可或缺的信息，但并非总与决定器件尺度性能的电学功能性相一致。拉曼映射和扫描电子显微镜（SEM）虽能以高空间分辨率可视化结构无序与形貌，但需要耗时的空间扫描，这成为大面积检测的瓶颈。此外，许多光谱技术本质上属于表面敏感技术，如X射线光电子能谱（XPS）主要探测近表面化学态，无法直接量化多孔导体内部电流通路的破坏。结果是，在表面敏感测量中仅呈现轻微改变的区域，若其底层三维网络受损，则可能遭受严重的功能性退化。标准电学测试虽快速且与操作直接相关，但两端子或四端子测量仅提供空间平均信息，无法定位退化区域，这限制了其在大面积薄膜缺陷诊断中的实用性。因此，亟需一种能够精确定位电学相关退化、无需逐点扫描的表征方法。

电阻层析成像（ERT）通过边界测量实现内部电导率变化的无损定位。由于ERT不需要嵌入式布线或像素化传感器阵列，其对大面积薄膜和不规则几何形状尤具吸引力。关键的是，ERT对导体内的电流分布敏感，因此能够捕获内部通路退化的电学后果，即使改性区域在光学检测下仍无法区分。尽管传统ERT重建是一个典型的病态逆问题，通常需要复杂的正则化处理，但近年来数据驱动逆求解器的进展通过学习从边界电压模式到电导率分布的直接映射，实现了更稳定、更快速的重建。

在此背景下，研究人员旨在开发ML-ERT方法，用于定位掩模氧气等离子体诱导的多孔LIG缺陷。掩模等离子体辐照可在不产生强光学对比度的情况下，可控地引入局部电学退化，为检测"亚视觉"缺陷提供了理想的测试案例。研究将等离子体功率依赖的LIG改性通过拉曼光谱、SEM和电学测量进行表征，随后利用八电极ERT系统重建二维电导率图。1D-CNN在模拟数据集上进行训练以充当逆求解器。最后，通过三维有限元分析解释层析对比度的物理起源，将等离子体改性等效为电流通路横截面的损失。

研究首先建立了等离子体辐照LIG的电学特性基础。通过条形样品（3 × 10 mm²）的电流-电压（I-V）测量，发现所有样品均表现出欧姆行为，电阻随等离子体功率增加而显著上升：从 pristine LIG 的27.0 Ω升至100 W时的167 Ω，125 W时达3.72 kΩ，150 W时实现近四个数量级的激增（R/R₀ ≈ 8.67 × 10³）。电阻变化率R/R₀呈现非线性趋势，在100 W时达到6.71，标志着损伤 regimes 的快速上升 onset 点。这一宽动态范围的电导率对比度为评估ML-ERT框架的灵敏度提供了基础。

结构表征方面，拉曼光谱显示 pristine LIG 的I_G/I_D比值为1.54，100 W等离子体辐照后降至0.74，表明石墨晶格中引入了显著的结构无序和含氧官能团。关键发现是，SEM观察表明100 W处理后的区域在低倍下与pristine区域视觉无法区分，无宏观烧蚀或边界线；高倍图像显示特征性的三维多孔网络和片状形貌 remarkably well-preserved，仅可见碳片的轻微减薄，整体互联支架保持完整。截面SEM进一步证实等离子体辐照区域与未处理区域的薄膜厚度几乎无变化。这一"亚视觉缺陷"特性——显著电子退化伴随基本完好的宏观结构支架——凸显了传统光学或形貌检测的根本局限性，也验证了ML-ERT通过边界电位传感实现空间可视化的必要性。

ML-ERT重建方面，八弹簧加载探针电极等距排列于14 mm直径LIG活性区域周边，采用相邻驱动方案（adjacent-drive scheme），以10 mA、1 kHz正弦交流电流注入，获取40个独立电压差数据点作为输入向量。1D-CNN在14,976个合成样本上训练，每个样本模拟电导率σ = 200 S/m的圆形缺陷位于σ = 2000 S/m的均匀导电背景中。实验结果显示，当等离子体功率≥100 W（即R/R₀ ≥ 6.71）时，ML-ERT能够可靠地检测和定位缺陷区域，在二维电导率图上清晰呈现偏离中心的电导率凹陷，与预期辐照位置精确对应。基于凹陷全宽半高（FWHM）估计的重构缺陷直径为1.94 mm（100 W）和2.36 mm（150 W），略大于掩模几何孔径（1.5 mm），这归因于等离子体物种的横向扩散效应及重建算法固有的空间平滑特性。此外，通过额外生成含三角形缺陷的合成数据集重新训练模型，验证了框架对非圆形缺陷几何的可扩展性。

三维有限元分析深入阐释了ERT检测亚视觉缺陷的物理机制。模型将等离子体诱导改性等效为局部有效电流通路厚度（Δt）的降低，基线LIG厚度为50 μm。分析表明，当Δt ≥ 15 μm时（对应约30%的有效厚度降低），可实现清晰的缺陷可视化。研究人员特别强调，该~30%阈值并非普适理论临界值，而是在当前3D FEM模型中获得的具体数值，其中重构ERT对比度变得足够清晰。参数Δt在此模型中代表三维多孔网络内部导电通路的损失，而非薄膜的均匀物理减薄。这一解释阐明了为何在SEM或光学检测下表面形貌基本完好时，ERT仍能解析显著的电导率异常。

综合研究结果，研究人员讨论了等离子体诱导电导率对比度的起源。低功率等离子体辐照时，反应物种主要引入近表面和掩模边缘的结构无序，底层导电网络基本保持完整，全局电导率仅受轻微抑制，ERT重建对比度有限。高功率辐照则促进更激进的离子轰击和化学刻蚀，不仅侵蚀多孔碳骨架，还更深地渗透至支架内部，有效破坏内部导电通路，导致导电体积的实质性损失，从而产生ERT鲁棒检测所需的显著电导率对比度。需要指出的是，ML-ERT提供电导率退化的空间分布，但本身不区分退化的具体起源（如结构不连续性、氧化或晶格缺陷），识别底层机制需结合拉曼光谱、SEM及能谱（EDS）或XPS等化学分析等互补表征方法。

研究结论部分，研究人员总结称已成功证明了ML-ERT框架用于多孔激光诱导石墨烯中亚视觉缺陷无损定位的可行性。尽管氧气等离子体辐照显著降低了LIG的电导率，但退化区域难以通过肉眼观察和低倍俯视SEM图像区分。在当前系统中，当电阻对比度达到R/R₀ ≥ 6.71时，ML-ERT能够可靠地定位此类区域。通过结合八个边界电极与基于1D-CNN的逆求解器，研究人员重建了二维电导率图，实现了这些电学退化区域的定位。三维有限元分析和结构表征进一步阐明，观察到的ERT对比度源于内部导电通路的有效损失，这代表导电体积的损失而非材料的几何 evident 减薄。这些发现凸显了ML-ERT在检测逃避基于表面诊断工具的功能性退化方面的根本优势。尽管该工作以圆形缺陷为概念验证，但ML方法的数据驱动特性允许未来扩展至检测大面积电子器件中的非常规损伤模式和多点缺陷。总体而言，ML-ERT框架为先进碳基导电薄膜的工艺监测和质量控制提供了一种快速、高灵敏度且实用的解决方案，从而弥合了亚表面电子失效与非侵入性空间诊断之间的差距。该论文发表于《ACS Omega》。