深入学习驱动的扫描探针显微术在大规模化学转化中的精确控制与可解释性
材料科学
2024-12-18 v2
摘要
扫描探针显微术（SPM）技术在通过 various 原子和分子操作实现具备 exotic 量子属性的纳米结构方面显示出巨大的潜力。然而，精确控制需要大量的 domain knowledge，而这种知识通常不适用于新的系统，无法轻易扩展到大规模操作。因此，对于在 new 系统中学习最优策略以实现自动化 SPM 技术尤为重要，特别是对于控制化学反应以实现精确原子和分子构建的挑战。本文开发了一个名为 AutoOSS（\textbf{Auto}nomous \textbf{O}n-\textbf{S}urface \textbf{S}ynthesis）的软件基础设施，用于自动化去除表面上大量 Zn(II)-5,15-bis(4-bromo-2,6-dimethylphenyl)porphyrin（\ch{ZnBr2Me4DPP}）上的 溴离子，利用神经网络模型解释 STM 输出，并利用深度强化学习模型优化操纵参数。该方法进一步由 Bayesian Optimization Structure Search（BOSS）和密度泛函理论（DFT）计算支持，这些计算基于 STM 图像探索 3D 结构和反应机制。
引用
@article{arxiv.2409.20014,
title = {Precise large-scale chemical transformations on surfaces: deep learning meets scanning probe microscopy with interpretability},
author = {Nian Wu and Markus Aapro and Joakim S. Jestilä and Robert Drost and Miguel Martınez Garcıa and Tomas Torres and Feifei Xiang and Nan Cao and Zhijie He and Giovanni Bottari and Peter Liljeroth and Adam S. Foster},
journal= {arXiv preprint arXiv:2409.20014},
year = {2024}
}