PtyRANNOSAUR：面向亚埃精度与超快重构的鲁棒人工神经网络电子ptychography

我们提出PtyRANNOSAUR，一种数据驱动的神经网络代码，可在数秒内重构原子分辨率电子ptychography数据，比标准方法快10-100倍。PtyRANNOSAUR使用卷积自编码器将4D扫描透射电子显微术数据映射为2D相位图像。每个模型在大型晶体结构数据库上训练，并针对一系列实验参数（如加速电压、会聚角、离焦和样品厚度）定制。该方法无需任何超参数微调即可产生高质量重构。此外，该代码处理空间部分相干、多重散射和扫描位置误差，这些对最先进的电子ptychography重构至关重要。通过在实验和模拟数据上测试PtyRANNOSAUR，我们表明神经网络能准确重构广泛材料体系的原子结构，并达到$<0.5$ {\AA}的高分辨率，可与相同数据的最佳迭代重构相比。这些进展实现了近实时的、最先进的电子ptychography重构。