AI模型改善了精细材料的4D STEM成像
发布时间：2024-10-24 10:15:23 阅读数： 96
莫纳什大学的研究人员开发了一种人工智能（AI）模型，可以显著提高四维扫描透射电子显微镜（4D STEM）图像的准确性。
这种被称为无监督深度去噪的模型，或许会成为研究在成像过程中易损坏材料（比如电池和太阳能电池中的材料）的变革性工具。莫纳什大学物理与天文学院以及莫纳什电子显微镜中心的研究人员提出了一种全新的机器学习方法，用于对大型电子显微镜数据集进行去噪处理。此项研究成果发表在《npj Computational Materials》上。
4D STEM 是一个极为强大的工具，它能让科学家以前所未有的细节观察材料的原子结构。然而，在对那些在处理过程中可能被电子束损坏的精细材料进行研究时，面临着一个挑战。为避免材料被损坏，研究人员采用较低的电子剂量，但这样一来，就会导致图像充满噪声且不清晰。这使得研究这些材料的结构变得十分困难。莫纳什大学的研究小组开发出了一种解决方案，即一种深度学习模型，能够对 4D STEM 图像进行 “去噪”。
4D STEM概述
“我们的新人工智能模型极大程度地提升了 4D STEM 图像的清晰度，让我们能够对以前因过于敏感而无法进行详细分析的精细材料展开研究。” 该研究的主要作者、莫纳什物理与天文学院的博士后 Alireza Sadri 博士说道。他表示：“通过降低低剂量成像中的噪音，我们正在拓宽可研究材料的范围，这很可能会促成纳米技术和电子等领域的突破。” 新的人工智能模型借助了电子束的位置与它穿过材料时所产生的散射模式之间的关系。通过对网络的复杂度加以限制，该模型能够关注信号的规律性，而忽略随机噪声。从本质上来说，该模型能够从数据中去除不必要的噪声，留下更为清晰、准确的图像。由于不依赖预先标记的数据，所以该模型可以在对所研究材料没有任何先验信息的情况下工作。这一发展有望提升 4D STEM 的有效性，尤其是在表征对光束敏感的材料领域。
