在多模态成像中学习正确通道：压电响应力显微镜中的自动化实验

我们报告了自动化实验工作流程的开发和实验实施，该流程用于在光谱测量中识别对感兴趣现象最具预测性的通道。该方法基于集成深度核学习进行概率预测，并结合一个基本的强化学习策略进行通道选择。它允许识别哪些顺序采样的可用观测通道对选定行为最具预测性，从而具有最强的相关性。我们在压电响应力显微镜（PFM）的多模态成像中实施了这种方法，感兴趣的行为体现在压电响应光谱中。我们展示了在模型样品中，极化-电压磁滞回线和频率-电压磁滞回线面积的最佳预测通道是振幅。相同的工作流程和代码是通用的，适用于任何多模态成像和局部表征方法。