基于自编码器的扫描隧道显微镜图像分析
数值分析
2025-01-24 v1 数值分析
摘要
本研究探索了使用卷积自编码器 (CAE) 对各种晶体晶格结构扫描隧道显微镜 (STM) 图像进行分析和重构的潜力。我们开发了两种不同的 CAE 架构来处理简单立方、体心立方 (BCC)、面心立方 (FCC) 和六角晶格的仿真 STM 图像。我们的模型在来自 仿真 STM 图像中提取的 像素块上进行训练，包含真实的噪声特征。我们使用均方误差 (MSE) 和结构相似性指数 (SSIM) 评估模型性能，并分析了所学潜在空间表示。结果表明，深度学习技术在 STM 图像分析方面具有潜力，同时也突显了在潜在空间可解释性和完整图像重构方面的挑战。这项工作为未来在原子尺度成像数据中自动化分析的进步奠定了基础，潜在的应用领域包括材料科学和纳米技术。
引用
@article{arxiv.2501.13283,
title = {STM Image Analysis using Autoencoders},
author = {Peter Binev and Joshua Moorehead and Ayush Parambath and Luke Parrella and Rori Pumphrey and Miruna Savu},
journal= {arXiv preprint arXiv:2501.13283},
year = {2025}
}
备注
18 pages