用于扫描透射电子显微镜中自动化实验的深度学习
材料科学
2023-11-10 v1 机器学习
摘要
机器学习（ML）已成为（扫描）透射电子显微镜、(S)TEM、成像和光谱学中采集后数据分析的关键。一个新兴趋势是向实时分析和闭环显微镜操作过渡。在电子显微镜中有效使用ML现在需要开发以显微镜为中心的实验工作流设计与优化策略。在此，我们讨论向主动ML过渡的相关挑战，包括序列数据分析和分布外漂移效应、边缘操作的要求、本地和云数据存储，以及循环中理论操作。具体而言，我们讨论人类科学家和ML智能体在实验工作流的构思、编排和执行中的相对贡献，以及开发可跨多个平台应用的通用超语言的必要性。这些考虑将共同为下一代实验中的ML操作化提供信息。
引用
@article{arxiv.2304.02048,
title = {Deep Learning for Automated Experimentation in Scanning Transmission Electron Microscopy},
author = {Sergei V. Kalinin and Debangshu Mukherjee and Kevin M. Roccapriore and Ben Blaiszik and Ayana Ghosh and Maxim A. Ziatdinov and A. Al-Najjar and Christina Doty and Sarah Akers and Nageswara S. Rao and Joshua C. Agar and Steven R. Spurgeon},
journal= {arXiv preprint arXiv:2304.02048},
year = {2023}
}
备注
Review Article