通过扫描透射电子显微镜中自主实验在纳米等离子体系统中的物理发现

自主实验中的物理驱动发现已成为机器学习在物理科学中的理想应用。在此，我们开发并在实验中实施了一种深度核学习工作流，该工作流结合从结构对相关目标功能响应及其不确定性的关联预测，以及基于物理的采集函数选择，自主引导图像空间的导航。与经典贝叶斯优化方法相比，该方法能够捕捉真实材料图像中存在的复杂空间特征，并动态学习结构-性质关系。结合可将物理关注程度赋予预测谱的灵活标量化函数，这实现了自动化实验中的物理发现。在此，该方法针对纳米颗粒的纳米等离子体研究予以说明，并以真正自主的方式在MnPS3（一种鲜为人知的对电子束敏感的层状二维材料）中实验实施以发现体等离激元与边缘等离激元。该方法是通用的，可直接原样用于任何样品，并有望适用于任何基于探针的显微技术，包括其他STEM模态、扫描探针显微镜、化学与光学成像。