基于深度学习的单张透射电子显微图像出射波函数重建
图像与视频处理
2020-01-31 v2 数据分析、统计与概率
摘要
传统透射电子显微镜（CTEM）仅记录图像的强度而非相位，因此波函数信息有一半未被探测到。继深度学习在光学全息相位恢复中成功应用之后，我们开发了神经网络，从 CTEM 强度中恢复包含 98340 个出射波函数的新型数据集的相位。波函数通过 clTEM 多片层传播对晶体学开放数据库中的 12789 种材料进行模拟。我们的网络可在约 25 ms 内恢复 224x224 波函数，适用于大范围物理超参数与材料，并且我们证明当波函数分布受限时性能提升。基于深度学习的相位恢复克服了传统方法的局限：它是实时的，不易受畸变影响，无需显微镜改装或多张图像，并可应用于任意成像体制。本文介绍了多种基于深度学习的 CTEM 相位恢复方法，旨在为未来研究建立可改进的起点。源代码及我们新数据集与预训练模型的链接见 https://github.com/Jeffrey-Ede/one-shot
引用
@article{arxiv.2001.10938,
title = {Exit Wavefunction Reconstruction from Single Transmission Electron Micrographs with Deep Learning},
author = {Jeffrey M. Ede and Jonathan J. P. Peters and Jeremy Sloan and Richard Beanland},
journal= {arXiv preprint arXiv:2001.10938},
year = {2020}
}
备注
14 pages, 7 figures, 2 tables