4D-PreNet：面向4D-STEM数据分析的统一预处理框架
计算机视觉与模式识别
2025-08-26 v2 材料科学
人工智能
摘要
扫描电子显微镜( STEM)中的自动化实验往往需要端到端框架。具有高通量数据获取的四维扫描电子显微镜(4D-STEM)因数据预处理的瓶颈而受限。 pervasive 噪声、束中心漂移以及在高通量获取期间出现的椭圆形畸变不可避免地损坏衍射图案，系统性地偏离定量测量。然而，传统的校正算法常常具有材料依赖性，难以提供稳健、通用的解决方案。本文提出4D-PreNet，一个集成了注意力增强U-Net和ResNet架构的端到端深度学习管道，同时执行去噪、中心校正和椭圆畸变校准。该网络在包含广泛噪声水平、漂移幅度和畸变类型的大规模模拟数据集上进行训练，使其能够有效地泛化到在不同条件下获取的实验数据。定量评估表明，我们的管道在去噪过程中将均方误差降低最高可达50%，在中心检测任务中实现亚像素级中心定位，平均误差低于0.04个像素。输出结果与传统算法进行基准测试，显示在噪声抑制和衍射图案恢复方面都有所提高，从而促进了4D-STEM高通量、可靠的实时分析，适用于自动化表征。
引用
@article{arxiv.2508.03775,
title = {4D-PreNet: A Unified Preprocessing Framework for 4D-STEM Data Analysis},
author = {Mingyu Liu and Zian Mao and Zhu Liu and Haoran Zhang and Jintao Guo and Xiaoya He and Xi Huang and Shufen Chu and Chun Cheng and Jun Ding and Yujun Xie},
journal= {arXiv preprint arXiv:2508.03775},
year = {2025}
}
备注
The corresponding author does not agree to publish