人在回路：机器学习在自动化电子显微镜中的未来
材料科学
2023-10-10 v1 机器学习
图像与视频处理
摘要
机器学习方法正逐步被电子显微镜学界接受，用于采集后数据的去噪、语义分割与降维。主要仪器制造商推出的API如今允许在显微镜中部署ML工作流，不仅用于数据分析，也用于实时决策与显微镜操作的反馈。然而，实时ML的用例数量仍极少。本文讨论设计基于ML的主动实验的一些考量，并提出未来数年的可能策略是人机协同自动化实验（hAE）。在该范式下，ML学习智能体直接控制束流位置及图像与谱学采集功能，人类操作员在系统的真实空间与特征空间中监控实验进程，并调整ML智能体的策略以引导实验朝向特定目标。
引用
@article{arxiv.2310.05018,
title = {Human-in-the-loop: The future of Machine Learning in Automated Electron Microscopy},
author = {Sergei V. Kalinin and Yongtao Liu and Arpan Biswas and Gerd Duscher and Utkarsh Pratiush and Kevin Roccapriore and Maxim Ziatdinov and Rama Vasudevan},
journal= {arXiv preprint arXiv:2310.05018},
year = {2023}
}