利用机器学习重建高分辨透射电子显微镜中的出射波
材料科学
2022-11-28 v2 无序系统与神经网络
摘要
出射波函数的重建是解释高分辨透射电子显微镜（HRTEM）图像的重要途径。本文证明卷积神经网络可用于从短焦系列 HRTEM 图像中重建出射波，其保真度可与常规出射波重建相媲美。我们采用基于 U-Net 架构的全卷积神经网络，并证明可在模拟的出射波与石墨烯负载二硫化钼（一种工业脱硫催化剂）的模拟 HRTEM 图像上对其进行训练。随后，我们将训练好的网络应用于分析同类样品的实验图像，获得的出射波清晰展示了 MoS 纳米颗粒与石墨烯载体的原子级分辨结构。我们还表明，可成功训练该神经网络，以重建来自已知与拟议二维材料的计算二维材料数据库中 3400 种不同二维材料的出射波。
引用
@article{arxiv.2112.14308,
title = {Reconstructing the exit wave in high-resolution transmission electron microscopy using machine learning},
author = {Matthew Helmi Leth Larsen and Frederik Dahl and Lars P. Hansen and Bastian Barton and Christian Kisielowski and Stig Helveg and Ole Winther and Thomas W. Hansen and Jakob Schiøtz},
journal= {arXiv preprint arXiv:2112.14308},
year = {2022}
}
备注
16 pages, 24 figures