多変量解析を利用したTOF-SIMSイメージデータ フュージョンとスパースモデリングおよび機械学習によるTOF-SIMSスペクトル解析  [in Japanese] TOF-SIMS Image Data Fusion by Multivariate Analysis and TOF-SIMS Spectrum Analysis by Sparse Modeling and Machine Learning  [in Japanese]

Access this Article

Search this Article

Author(s)

    • 青木 弾 Aoki Dan
    • 名古屋大学大学院 生命農学研究科 Graduate School of Bioagricultural Sciences, Nagoya University
    • 志賀 元紀 Shiga Motoki
    • 岐阜大学 工学部|科学技術振興機構 さきがけ|理化学研究所 革新知能統合研究センター Faculty of Engineering, Gifu University|JST PRESTO|Center for Advanced Intelligence Project, RIKEN

Abstract

飛行時間形二次イオン質量分析法(Time-of-Flight secondary ion mass spectrometry: TOF-SIMS)は高空間分解能での化学イメージングが可能な手法であり,もっとも優れた化学イメージング法の1つである.しかし,ナノレベルでのより高い空間分解能でのイメージングが要求されているため,より空間分解能の高いSEMデータとイメージフュージョンしたイメージデータを主成分分析することにより,化学情報を保ったままTOF-SIMS本来よりも高い空間分解能で表現した.また,TOF-SIMSスペクトルは解釈が難しい場合が多いため,スパースモデリングと機械学習を応用し,スペクトルの単純化や自動判別を試みた.

Time-of-Flight secondary ion mass spectrometry (TOF-SIMS) and scanning electron microscope (SEM) images were fused and then evaluated by means of principal component analysis. As a result, TOF-SIMS spatial resolution could be improved by adding SEM image information to TOF-SIMS data without drastic change of TOF-SIMS spectrum information. Sparse modeling and machine learning were applied to TOF-SIMS data to interpret complex TOF-SIMS spectra. Least Absolute Shrinkage and Selection Operator (LASSO) provided a simplified TOF-SIMS spectrum with less noise. Machine learning using Random Forest and k-Nearest Neigbour appropriately predicted unknown test samples by learning TOF-SIMS data similar the test samples.

Journal

  • Journal of Surface Analysis

    Journal of Surface Analysis 25(2), 103-114, 2018

    The Surface Analysis Society of Japan

Codes

  • NII Article ID (NAID)
    130007806258
  • NII NACSIS-CAT ID (NCID)
    AA11448771
  • Text Lang
    JPN
  • ISSN
    1341-1756
  • NDL Article ID
    029408722
  • NDL Call No.
    Z15-B66
  • Data Source
    NDL  J-STAGE 
Page Top