扫描探针显微镜与高性能计算的集成：固定策略和奖励驱动工作流的实现
材料科学
2024-12-30 v1 机器学习
摘要
计算能力和机器学习算法的快速发展为利用扫描探针显微镜（SPM）实现科学发现的自动化铺平了道路。实现自动化SPM的关键要素包括：通过Python代码控制SPM的接口、高计算能力的可用性以及科学发现工作流的开发。在此，我们构建了一个Python接口库，使得可以从本地计算机或远程高性能计算机（HPC）控制SPM，满足了自主工作流中机器学习算法对高计算能力的需求。我们进一步引入了一个通用平台，将SPM在科学发现中的操作抽象为固定策略或奖励驱动的工作流。我们的工作为构建自动化SPM工作流提供了完整的基础设施，既适用于常规操作，也适用于基于机器学习的自主科学发现。
引用
@article{arxiv.2405.12300,
title = {Integration of Scanning Probe Microscope with High-Performance Computing: fixed-policy and reward-driven workflows implementation},
author = {Yu Liu and Utkarsh Pratiush and Jason Bemis and Roger Proksch and Reece Emery and Philip D. Rack and Yu-Chen Liu and Jan-Chi Yang and Stanislav Udovenko and Susan Trolier-McKinstry and Sergei V. Kalinin},
journal= {arXiv preprint arXiv:2405.12300},
year = {2024}
}
备注
16 pages, 7 figures