基于人工智能的电子显微镜对晶体结构与界面的自动识别
材料科学
2023-09-07 v3
摘要
在原子尺度表征晶体结构与界面是设计先进材料的重要步骤。现代电子显微镜常规实现原子分辨率，并能够以皮米精度分辨复杂的原子排列。在此，我们提出 AI-STEM，一种自动的、基于人工智能的方法，用于从多晶材料的原子分辨率扫描透射电子显微镜（STEM）图像中准确识别关键特征。该方法基于仅在模拟图像上训练的贝叶斯卷积神经网络（BNN）。AI-STEM 在合成与实验图像中自动且准确地识别晶体结构、晶格取向以及界面区域的位置。该模型在立方与六方晶体结构上训练，给出分类与不确定性估计，而在训练过程中未包含有关界面处结构模式的显式信息。本工作结合了概率建模、深度学习与信息论的原理，实现了对实验原子分辨率图像的自动分析。
引用
@article{arxiv.2303.12702,
title = {Automatic Identification of Crystal Structures and Interfaces via Artificial-Intelligence-based Electron Microscopy},
author = {Andreas Leitherer and Byung Chul Yeo and Christian H. Liebscher and Luca M. Ghiringhelli},
journal= {arXiv preprint arXiv:2303.12702},
year = {2023}
}
备注
Code (https://github.com/AndreasLeitherer/ai4stem) and data (https://doi.org/10.5281/zenodo.7756516) are available for public use. The manuscript contains 32 pages (10 pages main text, 15 pages for Methods & References & 5 Figures & 1 Table, as well as 7 pages Supplementary Information), including 5 main figures and 6 supplementary figures