机器学习辅助从原子力显微镜图像识别界面离子水合物的原子结构
介观与纳米尺度物理
2023-04-25 v2 计算物理
摘要
界面离子水合物与广泛的应用领域和自然过程相关，已通过超高分辨率原子力显微镜(AFM)得到广泛研究。然而，AFM信号与被研究体系之间的复杂关系使得仅从AFM图像确定此类复杂体系的原子结构十分困难。利用机器学习，我们基于AFM图像实现了界面水/离子水合物原子结构的精确识别，包括每个原子的位置和水分子取向。此外，研究发现，利用以易获取的界面水数据训练的神经网络(NN)进行迁移学习，可经济高效地预测离子水合物的结构。因此，本工作提供了一种高效且经济的方法，不仅为从AFM图像确定更复杂体系的原子结构开辟了途径，也可能有助于解释其他涉及复杂实验结果的广泛科学研究。
引用
@article{arxiv.2203.12443,
title = {Machine learning aided atomic structure identification of interfacial ionic hydrates from atomic force microscopy images},
author = {Binze Tang and Yizhi Song and Mian Qin and Ye Tian and Duanyun Cao and Zhen Wei Wu and Ying Jiang and Limei Xu},
journal= {arXiv preprint arXiv:2203.12443},
year = {2023}
}
备注
This is an article accepted for publication in National Science Review. The version of record is available online at: https://doi.org/10.1093/nsr/nwac282