利用物理信息神经网络从单发广角 FEL 衍射图样重建纳米尺度颗粒
数据分析、统计与概率
2021-06-02 v3 无序系统与神经网络
摘要
单发广角衍射成像是一种广泛用于研究非结晶物体（如纳米团簇、大型蛋白质甚至病毒）结构的方法。其主要优势在于物体的三维结构信息已包含于单张图像中。这使得它无需层析测量即可用于脆弱且不可重复颗粒的重建。然而，目前尚无能够实时确定物体结构的高效数值反演算法。另一方面，神经网络擅长适用于此类目的的图像处理任务。在此我们展示如何利用物理信息深度神经网络，从单张二维广角散射图样在体素网格上重建均匀凸颗粒的完整三维物体模型。我们展示了其对银纳米团簇的通用重建能力，该网络揭示了新颖的几何结构，能以极高精度复现实验散射数据。
引用
@article{arxiv.2101.09136,
title = {Reconstruction of nanoscale particles from single-shot wide-angle FEL diffractions patterns with physics-informed neural networks},
author = {Thomas Stielow and Stefan Scheel},
journal= {arXiv preprint arXiv:2101.09136},
year = {2021}
}