تصحيح تصوير حاصل از پروفايلومترها از سطوحي با زبري نانومتري

Image Correction of Rough Surfaces that Produced by Profilometer

در اين مقاله نشان مي دهيم كه فرآيندهاي ماركوف نقشي اساسي در جاروب سطح زبر و مشخص كردن توپوگرافي آن سطح دارند. توپوگرافي سطح حاصل شده از يك پروفايلومتر مانند ميكروسكوپ نيروي اتمي AFM (Atomic Force Microscope)، وابسته به برهمكنش سطح با سوزن پروب است. وقتي سايز سوزن پروب با تغييرات ارتفاع سطح قابل مقايسه باشد، تصوير سطح نسبت به سطح اصلي مقداري متفاوت خواهد داشت. اثر سوزن باعث بوجود آمدن يك تلاقي در تابع ساختار سطح مي شود. براي مقياس هاي كوچكتر از طول ماركوف – مقياس طول مينيمم بر روي فرآيندي كه ماركوف باشد- تابع تصادفي كه سطح زبر را توصيف مي كند غير ماركوفي است، درحاليكه براي مقياس طول بزرگتر از طول ماركوف، سطح مي تواند توسط يك فرآيند ماركوف توصيف شود. سطوح زبر مصنوعي توليد شده با روش (Fractional Guassian Noise) FGN، به خوبي سطح زبر V2O5 حاصل شده توسط AFM، اين نتايج را تاييد مي كند

In this study, we demonstrate that Markov processes play a fundamental role in probing rough surfaces and characterizing their topography. The surface topography obtained by a probe, as in the atomic force microscopy (AFM) technique, is based on the probe–surface interactions. When the size of the probe tip is comparable with the height of the surface ?uctuation, the surface image can be aberrated from its origin. Due to the tip effect, there is a crossover in the structure function of the surface. For scales smaller than the Markov length— the minimum length scale over which a process is Markovian—the stochastic function that describes a rough surface is non-Markovian, whereas for length scales larger than the Markov length, the surface may be described by a Markov process. Synthetic rough surfaces generated by fractional Guassian noise (FGN), as well as the rough surface of V2O5, obtained by AFM, con?rm this.