IT之家 10 月 12 日消息，上海大學(xué)材料基因組工程研究院于 10 月 9 日在 Journal of the American Chemical Society（JACS）上發(fā)表論文，展示了深度學(xué)習(xí)技術(shù)在材料微納結(jié)構(gòu)成像技術(shù)中的應(yīng)用。
論文題目為“Autonomous Scanning Tunneling Microscopy Imaging via Deep Learning”，第一作者為博士研究生朱志文，孫強(qiáng)教授為唯一通訊作者。
IT之家注：STM 是用于成像和操控單個(gè)原子和分子的工具，在納米科技和表面科學(xué)領(lǐng)域具有不可替代的重要作用。
據(jù)介紹，STM 的操作依賴于高度熟練的專家進(jìn)行長時(shí)間的人工干預(yù)，尤其是在需要進(jìn)行長時(shí)間持續(xù)掃描和分析時(shí)，傳統(tǒng)的手動(dòng)操作和數(shù)據(jù)處理方法會(huì)導(dǎo)致研究效率低下。
為了應(yīng)對(duì)這一挑戰(zhàn)，研究團(tuán)隊(duì)以推進(jìn) STM 技術(shù)向自動(dòng)化和智能化方向發(fā)展為主要?jiǎng)訖C(jī)，結(jié)合多種深度學(xué)習(xí)技術(shù)，開發(fā)了一個(gè)自主化 STM 系統(tǒng)。通過該系統(tǒng)，研究團(tuán)隊(duì)實(shí)現(xiàn)了 STM 的自主操作，使其在無人干預(yù)的情況下長時(shí)間、高精度地獲取單分子分辨率的表征圖像，從而提升數(shù)據(jù)獲取效率和質(zhì)量。
該系統(tǒng)通過卷積神經(jīng)網(wǎng)絡(luò)評(píng)估圖像質(zhì)量，采用語義分割和自我更新的強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)實(shí)時(shí)優(yōu)化探針狀態(tài)，最后通過目標(biāo)識(shí)別算法自動(dòng)分析表面分子組成等重要實(shí)驗(yàn)參數(shù)。
該研究實(shí)現(xiàn)了 STM 在液氮溫度（~78 K）下的連續(xù) 48 小時(shí)無人工干預(yù)的自主表征，表征區(qū)域達(dá)到了約 1.9 平方微米，展示了該自主系統(tǒng)的高效性和魯棒性。
官方指出，該研究有助于推動(dòng)高分辨率材料成像設(shè)備的自動(dòng)化與智能化，研究團(tuán)隊(duì)未來將進(jìn)一步推動(dòng)納米材料的智能化探索和利用人工智能技術(shù)促進(jìn)表面科學(xué)的研究。
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。