Atomic Force Microscopy (AFM) on keskeisessä asemassa nanoteknologian kehityksessä ilman merkittäviä rajoituksia, ja sitä käytetään yhä enemmän nanomittakaavan karakterisoinnissa monenlaisissa fysikaalisissa, biologisissa ja kemiallisissa prosesseissa. Atomin mittakaavassa, kun tekniikka siirtyy 3D-molekyylirakenteiden todelliseen maailmaan, kuvan ja tulkinnan välinen yhteys tulee paljon monimutkaisemmaksi, eikä sitä voida selventää nykyisistä mallinnusmenetelmistä. Tämä on merkittävä esteen AFM: n laajemmalle käyttöönotolle molekyylien karakterisoinnissa ja estää sen ilmeisen potentiaalin toteutumisen.
CATAFM-projekti tarjoaa mahdollisuuden kehittää systemaattinen koneoppimisen lähestymistapa AFM-kuvien ymmärtämiseksi ja ennustamiseksi mille tahansa koolle, kokoonpanolle tai suuntautumiselle. Tämä avaa oven soveltaa tätä tehokasta tekniikkaa valtavaan joukkoon järjestelmiä, joissa rutiininomaiset atomiset ja kemialliset rakenteelliset erot voivat olla merkittävä läpimurto.