面向增强型显微镜的强化学习增强工作流
仪器与探测器
2022-08-08 v1 机器学习
摘要
在此，我们报告一个将强化学习（RL）用于自动化扫描透射电子显微镜（STEM）工作流操作的案例研究实现。为此，我们设计了一个虚拟的、原型化 RL 环境，以测试并开发无需先验知识即可自主对准电子束的网络。利用该模拟器，我们评估了环境设计与算法超参数对对准精度和学习收敛的影响，显示出在宽泛超参数空间中的稳健收敛。此外，我们将一个成功模型部署于显微镜上以验证该方法，并展示设计恰当虚拟环境的价值。与模拟结果一致，显微镜上的 RL 模型在最少训练后实现对目标对准的收敛。总体而言，结果凸显出通过利用 RL，显微镜操作可在无需大量算法设计的情况下实现自动化，朝以机器学习方法增强电子显微镜又迈进一步。
引用
@article{arxiv.2208.02865,
title = {Towards Augmented Microscopy with Reinforcement Learning-Enhanced Workflows},
author = {Michael Xu and Abinash Kumar and James M. LeBeau},
journal= {arXiv preprint arXiv:2208.02865},
year = {2022}
}