构建 STEM-EELS 中人在回路的交互式自动化实验工作流
材料科学
2025-01-22 v2 人机交互
摘要
随着扫描透射电子显微镜 (STEM) 中像差校正电子能量损失谱学 (EELS) 的最新进展，在纳米和原子尺度上探索物质的结构、化学和物理性质已成为可能。然而，当前的 STEM-EELS 范式依赖于经典的矩形网格采样，其中假设所有表面区域具有相等的先验兴趣。对于真实场景而言通常并非如此，因为感兴趣的现象集中在少数空间位置上。一个基础问题是发现 EELS 谱中具有特定特征的纳米或原子尺度结构。在此，我们系统地探索了控制 STEM-EELS 深度核学习 (DKL) 发现工作流的超参数，并确定了局部结构描述符和采集函数对实验进程的作用。与实际实验一致，我们观察到对于某些参数组合，实验路径可能陷入局部极小值。我们演示了在系统的真实空间和特征空间中监控自动化实验的方法，并监控了 DKL 模型的知识获取。基于这些，我们构建了干预策略，从而定义了人在回路的自动化实验。该方法可进一步扩展到其他技术，包括 4D STEM 和其他形式的光谱成像。
引用
@article{arxiv.2404.07381,
title = {Building Workflows for Interactive Human in the Loop Automated Experiment (hAE) in STEM-EELS},
author = {Utkarsh Pratiush and Kevin M. Roccapriore and Yongtao Liu and Gerd Duscher and Maxim Ziatdinov and Sergei V. Kalinin},
journal= {arXiv preprint arXiv:2404.07381},
year = {2025}
}