利用机器学习在三维空间中追踪Janus微游体
软凝聚态物质
2024-04-03 v1
摘要
人造活性物质的进展在很大程度上依赖于我们表征其运动的能力。然而，分析该运动最广泛使用的工具是标准宽场显微镜，其很大程度上局限于二维运动研究。相比之下，真实世界应用常需在复杂三维环境中导航。在此，我们提出一种机器学习（ML）方法，使用Z-stack作为标注训练数据，在三维空间中追踪Janus微游体。我们展示了若干基于免费可用且文档完备的软件的ML算法示例，发现基于集成决策树的模型（极度随机决策树）在超过40 m深度的体积内追踪颗粒表现最佳。借助该模型，我们能够从标准宽场显微镜图像中定位具有显著光学不对称的Janus颗粒，从而避开数字全息显微镜等所需的专门设备与专业知识。我们预期ML算法将因需求而在活性物质系统研究中日益普及，并鼓励实验工作者利用这一强大工具应对该领域内的各种挑战。
引用
@article{arxiv.2206.11710,
title = {Tracking Janus microswimmers in 3D with Machine Learning},
author = {Maximilian Bailey and Fabio Grillo and Lucio Isa},
journal= {arXiv preprint arXiv:2206.11710},
year = {2024}
}
备注
40 pages, 10 figures