AtomAI：面向（扫描）透射电子显微镜及更广泛图像与谱学数据分析的深度学习框架
数据分析、统计与概率
2022-12-29 v1 无序系统与神经网络
材料科学
机器学习
摘要
AtomAI 是一个开源软件包，将仪器专用的 Python 库、深度学习和仿真工具桥接到一个统一的生态系统中。AtomAI 允许直接应用深度卷积神经网络进行原子和介观图像分割，将图像和谱学数据转换为基于类别的局部描述符，以用于统计和图分析等下游任务。对于原子级分辨成像数据，输出为原子物种的类型和位置，并可选进行后续精修。AtomAI 进一步允许实现广泛的图像和谱分析功能，包括不变变分自编码器（VAEs）。后者由具有旋转和（可选）平移不变性的 VAE 组成，用于类别和连续数据表示的无监督及类条件解耦。此外，AtomAI 提供通过 im2spec 和 spec2im 类编码器-解码器模型映射结构-性质关系的实用工具。最后，AtomAI 允许通过 Python 接口与第一性原理建模无缝连接，包括对推断出的原子位置进行分子动力学和密度泛函理论计算。尽管迄今为止大多数应用基于原子分辨电子显微镜，AtomAI 的灵活性使得一旦建立和获得标签与特征识别工作流程，便可直截了当地扩展到介观成像数据分析。源代码和示例 notebook 可在 https://github.com/pycroscopy/atomai 获取。
引用
@article{arxiv.2105.07485,
title = {AtomAI: A Deep Learning Framework for Analysis of Image and Spectroscopy Data in (Scanning) Transmission Electron Microscopy and Beyond},
author = {Maxim Ziatdinov and Ayana Ghosh and Tommy Wong and Sergei V. Kalinin},
journal= {arXiv preprint arXiv:2105.07485},
year = {2022}
}