基于深度学习的电子显微镜三维原子畸变重建
材料科学
2019-02-20 v1 机器学习
摘要
深度学习在处理成像数据方面已展现出卓越效能，但其在解决科学成像中具挑战性的逆问题上的适用性尚未被充分探索。一个极大的关注点是从原子分辨成像（如电子显微镜）确定局域材料性质，此类信息编码于细微而复杂的数据特征中，其恢复与解释需要密集的数值模拟，且须近乎完美地知晓实验装置。我们证明一个端到端深度学习模型能成功从单张二维实验扫描透射电子（STEM）显微图像中恢复多种氧化物钙钛矿材料的三维原子畸变，在此过程中解决了一个关于从 STEM 实验恢复三维原子畸变的长期问题。我们的结果表明深度学习是一种有前景的方法，可高效解决科学成像中未解的逆问题，并支撑原子分辨率下的新颖材料研究。
引用
@article{arxiv.1902.06876,
title = {Reconstruction of 3-D Atomic Distortions from Electron Microscopy with Deep Learning},
author = {Nouamane Laanait and Qian He and Albina Y. Borisevich},
journal= {arXiv preprint arXiv:1902.06876},
year = {2019}
}
备注
13 pages, 11 figures