Building Workflows for Interactive Human in the Loop Automated Experiment (hAE) in STEM-EELS
针对STEM-EELS传统网格采样效率低的问题,研究了深度核学习工作流的超参数影响,提出人在环自动化实验策略以避免局部极小值,可推广至多种显微光谱技术。
2025-01-20 cond-mat.mtrl-sci cs.HC
Fast reconstruction of atomic-scale STEM-EELS images from sparse sampling
University of Toulouse(图卢兹大学);INP-ENSEEIHT(国立图卢兹应用科学学院ENSEEIHT校区);ISAE-SUPAERO(法国国立高等航空航天学院);Université Paris-Saclay(巴黎萨克雷大学);CNRS(法国国家科学研究中心);Laboratoire de Physique des Solides(固体物理实验室)
讨论了扫描透射电子显微镜(STEM)中部分采样光谱图像的重建,以加速采集。对于许多成像方式,文献中已广泛考虑了图像重建问题,但只有少数尝试处理3D数据,例如通过STEM电子能量损失谱(EELS)获取的光谱图像。此外,在显微镜文献中提出的方法中,有些方法快速但不准确,而另一些方法提供准确的重建,但代价是高计算负担。因此,所提出的重建方法没有一个在精度和计算复杂度方面满足我们的期望。在本文中,我们提出了一种快速,准确的重建方法适用于原子尺度的EELS。这种方法相比,流行的解决方案,如β过程因子分析(BPFA),这是第一次使用的STEM-EELS图像。将进行基于真实合成数据的实验。
2020-02-04 cond-mat.mtrl-sci cs.CV eess.IV
Dynamic STEM-EELS for single atom and defect measurement during electron beam transformations
提出并实现快速目标检测与行动系统(RODAS),利用深度卷积神经网络在 STEM-EELS 中动态识别电子束诱导的缺陷,仅在特定缺陷处进行 EELS 测量,避免材料破坏并高效收集结构-性质关系数据。
2023-10-19 cond-mat.dis-nn cond-mat.mtrl-sci
Atomic resolution mapping of phonon excitations in STEM-EELS experiments
原子分辨电子能量损失谱实验在现代像差校正透射电子显微镜中是很常见的。随着电子单色器的不断改进,能量分辨率也在不断提高。然而,已知电子激发是离域的,这是由于带电的加速电子与样品中的电子的长程相互作用。这使得一些科学家质疑高空间和能量分辨率相结合的价值,以映射晶体中的带间跃迁和可能的声子激发。在本文中,我们实验证明,原子分辨率信息确实是在非常低的能量损失约100毫电子伏表示为零损失峰的展宽调制。仔细的数据分析使我们能够看到什么是可能的声子激发与能量损失和增益的一部分。这些实验证实了最近的理论预测的强烈本地化的声子激发,而不是电子激发,并表明,原子分辨率和最近的发展相结合,在增加能量分辨率将提供巨大的好处映射声子模式在真实的空间。
2014-03-06 cond-mat.mtrl-sci
Decoupling Composition and Band Gap in $κ$-Ga$_2$O$_3$ Heterostructures via STEM-EELS
University of Oslo(奥斯陆大学);University of Leipzig(莱比锡大学)
针对氧化物异质界面电子特性高分辨率映射的挑战,本研究采用STEM-EELS结合定制分析框架,解析κ-Ga₂O₃基多层膜带隙变化,发现界面应变在调控局域能带结构中比成分更具主导作用。
2025-11-11 cond-mat.mtrl-sci physics.app-ph
Probing the Electrical Switching of a Memristive Optical Antenna by STEM EELS
由于基本衍射极限和缺乏具有足够强电光效应的材料,使有源光子器件的尺度扩展到深亚微米尺度受到阻碍。在这里,我们展示了一种固态电光开关机制,它可以在可见光谱范围内工作,具有无与伦比的小于5 nm立方体的有效体积,与最小电子元件的尺寸相当。开关机制依赖于电化学位移纳米级间隙内的金属原子,以电连接两个交叉的金属线,形成交叉点结。这种结提供极端的光集中,并在形成导电通道时显示出奇异的光学行为。我们说明了如何可以使用这种效果来主动调谐等离子体天线的谐振。调谐机制进行了分析,使用组合的电气和光学测量,以及在扫描透射电子显微镜(STEM)中的电子能量损失(EELS)。
2015-11-04 cond-mat.mtrl-sci physics.optics
Cathodoluminescence, light injection and EELS in STEM: From comparative to coincidence experiments
Univ. Paris-Saclay, CNRS(巴黎萨克雷大学,法国国家科学研究中心)
本文综述了在扫描透射电子显微镜中结合阴极发光、光注入和电子能量损失谱的纳秒至飞秒时间符合实验方法,重点介绍其在纳米光学中的应用、所需仪器改造及发展前景。
2025-11-10 cond-mat.mtrl-sci physics.ins-det
Efficient Large-Scale STEM-EELS Simulations With Torched-TACAW
Uppsala University(乌普萨拉大学);University of Washington(华盛顿大学)
提出 torched-TACAW 方法,结合机器学习势、超胞分区和实时多切片处理,实现大规模、近从头算质量的 STEM-EELS 模拟,以金红石 TiO2 验证原子分辨率厚样品模拟。
2026-10-30 cond-mat.mtrl-sci physics.comp-ph
Reconstruction of partially sampled multi-band images - Application to STEM-EELS imaging
University of Toulouse(图卢兹大学);INP-ENSEEIHT(图卢兹国立高等电工、电子、计算机、水力与电信学院);Laboratoire de Physique des Solides(固体物理实验室);CNRS(法国国家科学研究中心)
电子显微镜已被证明是一种非常强大的工具,可以在各种尺度下将样品的化学性质映射到原子分辨率。然而,由于电子束的辐射损伤,许多样品不能以可接受的信噪比进行分析。这对于获取光谱空间数据并需要高束流强度的电子能量损失谱(EELS)来说尤其重要。由于扫描透射电子显微镜(STEM)能够通过在样品上扫描电子探针并记录每个空间位置的光谱来获取数据立方体,因此可以设计扫描图案并仅对特定像素进行采样。因此,现在可以设想部分采集方案,只要作为后处理步骤进行完整数据立方体的重建。本文提出了两种重建算法的多波段图像获取的STEM-EELS利用光谱结构和空间平滑的图像。所提出的方案的性能说明了由于进行了一个现实的幻影数据集,以及真正的EELS光谱图像的实验。
2018-02-27 cond-mat.mtrl-sci cs.CV eess.IV
St4DeM: A software suite for multi-modal 4D-STEM acquisition techniques
本文提出了在 Digital Micrograph 环境下编写的 St4DeM 软件套件,集成了 4D-STEM、叠层衍射成像、EELS/EDS 谱成像、断层成像等功能,实现了 7 维数据的采集与分析。
2025-04-28 cond-mat.mtrl-sci
Deep Learning for EELS hyperspectral images unmixing -- using autoencoders
本研究评估了基于自编码器的深度学习方法在STEM-EELS高光谱图像光谱解混中的性能,并与传统方法对比,结果表明自编码器具有巨大潜力,为探索更复杂的神经网络奠定了基础。
2023-10-12 cond-mat.mtrl-sci physics.data-an
Probing low-energy hyperbolic polaritons in van der Waals crystals with an electron microscope
范德瓦尔斯(vdW)材料表现出有趣的结构、电子和光子性质。扫描透射电子显微镜(STEM)中的电子能量损失谱(EELS)允许对这些性质进行纳米级映射。然而,典型的STEM-EELS检测仅限于eV范围内的能量损失,这对于探测重要的低能激发(例如声子或中红外等离子体激元)来说太大了。在这里,我们适应了传统的STEM-EELS系统探测能量损失下降到100毫电子伏,并将其应用于映射声子态的h-BN,一个代表性的范德华(VDW)材料。令人惊讶的是,h-BN EELS光谱取决于h-BN厚度和电子束到h-BN薄片边缘的距离。为了解释这一观察,我们开发了一个经典的响应理论描述的相互作用的快电子(各向异性)板坯的vdW材料。理论和数值计算完全匹配的实验h-BN光谱,并揭示了电子损失是由双曲声子极化激元的激发,而不是体声子的经常报道。因此,STEM-EELS提供了探测VDW材料中低能极化激元的可能性,我们的理论对于解释未来的实验具有根本的重要性。
2016-11-16 cond-mat.mes-hall cond-mat.mtrl-sci
The BiP-PRISM algorithm for fast and scalable core-loss STEM-EELS simulations
Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡弗里德里希·亚历山大大学)
提出BiP-PRISM算法,通过束分割和自然邻域插值加速芯损失电子能量损失谱模拟,显著降低计算和内存需求,实现消费级GPU上的全分辨率元素映射。
2026-07-02 cond-mat.mtrl-sci physics.atom-ph physics.comp-ph
Implementing dynamic high-performance computing supported workflows on Scanning Transmission Electron Microscope
本文提出将STEM-EELS与HPC和机器学习无缝集成,构建含目标查找与DKL的动态工作流,以提升全球70%可用STEM的材料表征效率与范围。
2024-06-16 cond-mat.mtrl-sci cs.HC physics.ins-det
Robust Spectral Anomaly Detection in EELS Spectral Images via Three Dimensional Convolutional Variational Autoencoders
University of Illinois Chicago(伊利诺伊大学芝加哥分校)
提出三维卷积变分自编码器(3D-CVAE)用于 EELS-SI 数据的无监督异常检测,利用三维结构保留空间与光谱相关性,在 Fe L 边缘峰移测试中表现优于 PCA,实现正常与异常光谱的可靠分类。
2024-12-16 cond-mat.mtrl-sci cs.CV cs.LG
Gaussian process analysis of Electron Energy Loss Spectroscopy (EELS) data: parallel reconstruction and kernel control
在高光谱成像模式,包括电子能量损失谱(EELS)在扫描透射电子显微镜(STEM)的进步带来了挑战的探索性和随后的基于物理的多维数据集的分析。(现在常见的)多变量无监督线性解混方法及其非线性类似物通常探索能量维度的相似性,但忽略空间域中的相关性。同时,以核函数的形式显式地结合空间相关性的高斯过程(GP)方法往往是极其计算密集的,而使用诱导基于点的稀疏方法通常会导致重建伪影。在这里,我们建议并实现了一个并行GP方法操作的完整的空间域和减少表示在能量域。在该并行GP中,组件之间的信息经由公共空间核结构共享,同时允许相对噪声幅度或图像形态的可变性。我们探讨了常见的空间结构和内核的重建质量的限制的作用,并提出了一种方法来估计这些因素的实验数据。将该方法应用于一个示例EELS数据集表明,包含在高阶分量中的空间信息可以被重构和空间定位。该方法可以进一步应用于其他高光谱和多模态成像模式。本手稿中开发的笔记本可以作为GPim包的一部分免费获得(https://github.com/ziatdinovmax/GPim)。
2020-05-21 cond-mat.mtrl-sci physics.comp-ph
Atomic-resolution elemental mapping at cryogenic temperatures enabled by direct electron detection
通过扫描透射电子显微镜结合电子能量损失谱(STEM-EELS)进行的光谱映射是一种强大的技术,用于确定各种材料和界面的结构和化学性质。将这项技术扩展到低温为许多领域的新实验打开了大门,包括材料物理学,能量存储和转换以及生物学。然而,这样的实验,往往面临着信号的限制,由于样品的灵敏度或需要快速数据采集不太稳定的低温条件下。与诸如电荷耦合器件(CCD)的传统间接检测系统相比,直接电子检测器(DED)提供了改进的检测量子效率、更窄的点扩散函数和优异的信噪比。在这里,我们比较了Gatan K2 Summit DED与UltraScan 1000 CCD在信号限制原子分辨率STEM-EELS实验中的性能。由于其改进的点扩散函数,DED的能量分辨率在色散低5倍的情况下仍然与CCD相当,从而在不牺牲光谱分辨率的情况下同时获得更宽的总能量范围。更重要的是,直接检测的好处使各种低信号实验,包括原子分辨率映射的次要和高能量的边缘,如在1123 eV的La-M $_{2,3}$边缘和Bi-M $_{4,5}$边缘在2580 eV。对于每秒400个光谱的快速采集,与DED记录的元素图显示,与CCD采集的元素图相比,原子晶格条纹对比度增加了40%。利用这些性能改进和K2 DED的快速读出,我们使用直接检测STEM-EELS来演示低温下的原子分辨率元素映射。
2020-07-19 cond-mat.mtrl-sci physics.ins-det
Automated experiment in 4D-STEM: exploring emergent physics and structural behaviors
4D扫描透射电子显微镜的自动化实验可以快速发现复杂材料中的局部结构、破坏性畸变以及内部电场和磁场。深度内核学习能够主动学习局部结构和基于4D-STEM的描述符之间的关系。由此,可以对不同的结构元件进行有效且“智能”的探测以发现期望的物理功能。该方法允许以自动方式或以探索方式对样品进行有效导航,所述自动方式由预定物理现象(例如最强电场幅度)引导。我们首先在预先获取的4D-STEM数据上验证了该方法,并进一步在操作STEM上进行实验。实验发现工作流程使用石墨烯进行演示,随后扩展到鲜为人知的层状2D范德华材料MnPS 3。这种方法为物理驱动的自动化4D-STEM实验建立了一个范例,可以探测强相关系统和量子材料和器件的物理特性,以及探索光束敏感材料。
2022-04-20 cond-mat.mtrl-sci
Discovering Invariant Spatial Features in Electron Energy Loss Spectroscopy Images on the Mesoscopic and Atomic Levels
在过去的二十年中,使用扫描透射电子显微镜(STEM)的电子能量损失谱(EELS)成像已经成为用于可视化复杂材料和结构中的复杂化学、电子、等离子体和声子现象的首选技术。EELS数据的可用性需要开发方法来分析具有复杂空间和能量结构的多维数据集。传统上,这些数据集的分析是基于对单个光谱的分析,一次一个,而包含托换过程物理学相关信息的单个空间像素之间的空间结构和相关性通常被忽略,仅通过可视化作为2D地图进行分析。在这里,我们开发了一种基于机器学习的方法和工作流程,用于使用降维和多通道旋转不变变分自动编码器的组合来分析3D EELS数据集中的空间结构。这种方法被示出为两个系统中的纳米线和在功能氧化物中的核心激发使用低损耗和核心损耗EELS,分别等离子现象的分析。本手稿中开发的代码是开源的,可以免费获得,并作为一个笔记本提供给感兴趣的读者。
2022-02-01 cond-mat.mes-hall cond-mat.mtrl-sci
A linear-scaling algorithm for rapid computation of inelastic transitions in the presence of multiple electron scattering
扫描透射电子显微镜(STEM)中探针的强多重散射意味着通常需要图像模拟来定量解释和分析电子能量损失谱(EELS)产生的元素图。这些模拟需要一个完整的量子力学处理的多次散射的电子束,无论是之前和之后的核心水平的非弹性过渡。目前的算法规模平方,并可能需要长达一周的台式机上计算,即使是简单的晶体单位细胞,并没有很好地扩展到纳米尺度的异构系统,往往是感兴趣的材料科学研究人员。我们介绍了一种算法,线性缩放,通常会导致在这些计算的计算时间减少一个数量级,而不会引入额外的错误,并讨论近似,进一步提高计算缩放为较大规模的对象,在计算误差适度的处罚。我们通过使用Fe的L边跃迁计算原子分辨率STEM-EELS图来证明这些加速,对于直径为80 μ m的纳米颗粒,在16小时内计算,使用传统的多层方法至少需要80天。
2019-08-20 cond-mat.mtrl-sci physics.comp-ph
Correlative 3D Mapping of Structure, Composition, and Valence State Dynamics in Battery Cathodes via Simultaneous ADF-EDS-EELS Tomography
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院);University of Michigan(密歇根大学);Chan Zuckerberg Imaging Institute(陈·扎克伯格成像研究所);Gachon University(伽契恩大学)
本文提出同步 ADF-EDS-EELS 低剂量 STEM 断层成像方法,对不同循环阶段 NCM111 颗粒的结构、成分、价态及过渡金属不均匀性进行关联三维表征,揭示了体相均匀成分演化与表面附近价态变化与偏析共存的退化机制。
2025-09-27 cond-mat.mtrl-sci physics.app-ph physics.chem-ph
Automated image acquisition for low-dose STEM at atomic resolution
电子束损伤是电子显微镜的一个主要限制,在更高的分辨率下变得越来越严重。避免辐射损伤的一种可能途径是将剂量分布在一个物体的许多相同副本上,这是单粒子电子显微镜和相关技术的基础。对于低剂量数据的采集,理想情况下,在采集数据之前不应对感兴趣区域施加剂量。我们提出了一种自动化的方法,可以有效地收集大量的数据,通过在用户定义的感兴趣的区域与原子分辨率采集图像。我们证明了Nion UltraSTEM的载物台力学,结合移动样品的智能算法,可以从石墨烯衬底的微米级区域自动获取原子分辨率的图像。在感兴趣区域上以规则图案自动移动样品台使得能够从原始样品区域收集数据,而无需在记录图像之前将它们暴露于电子束。因此,有可能获得具有最小剂量的数据(没有来自聚焦的先前曝光),这仅受数据处理所需的最小信号的限制。这使我们能够防止样品中的光束引起的损伤,并在合理的时间内获得大数据集。
2018-03-16 cond-mat.mtrl-sci
Low-Dose 3D Bonding Mapping Through "Soft" Core-Loss EELS Tomography and Unsupervised Deep Learning
Université de Lille(里尔大学);Instituto de Nanociencia y Materiales de Aragon (INMA), CSIC-U. de Zaragoza(阿拉贡纳米科学与材料研究所(INMA),萨拉戈萨大学/西班牙国家研究委员会);Univ. Grenoble Alpes, CEA, Leti(格勒诺布尔阿尔卑斯大学,法国原子能和替代能源委员会,技术研究所);Centre d’Elaboration de Matériaux et d’Etudes Structurales (CEMES), University of Toulouse and CNRS(材料与结构研究制备中心(CEMES),图卢兹大学及法国国家科学研究中心);Univ. Lille, FR 2638-IMEC-Institut Michel-Eugène Chevreul(里尔大学,FR 2638-IMEC-米歇尔·欧仁·谢弗勒尔研究所);CEA, Joliot, NeuroSpin(法国原子能和替代能源委员会,若利奥神经影像中心);Inria, MIND, Université Paris-Saclay(法国国家信息与自动化研究所,MIND团队,巴黎萨克雷大学);Department of Inorganic and Organic Chemistry, Inorganic Chemistry Section, University of Barcelona(巴塞罗那大学无机与有机化学系,无机化学教研室);Institute of Nanoscience and Nanotechnology (IN2UB), Universitat de Barcelona(巴塞罗那大学纳米科学与纳米技术研究所(IN2UB));Department of Materials Science and Engineering, Ångström Laboratory, Uppsala University(乌普萨拉大学昂斯特实验室材料科学与工程系);LENS-MIND, Departament d'Enginyeria Electrònica i Biomèdica, Universitat de Barcelona(巴塞罗那大学电子与生物医学工程系,LENS-MIND);Laboratorio de Microscopias Avanzadas, Universidad de Zaragoza(萨拉戈萨大学先进显微术实验室)
提出利用Fe-M₂,₃边缘的“软”芯损失EELS与多通道深度图像先验(DIPm-TV)实现低剂量三维化学成像,仅需9个投影即可获得高分辨率氧化态体积图,揭示FeO/Fe₃O₄核壳纳米立方体的精细结构。
2026-06-09 cond-mat.mtrl-sci eess.IV physics.ins-det
AutoDisk: Automated Diffraction Processing and Strain Mapping in 4D-STEM
使用四维扫描透射电子显微镜(4D-STEM)方法在晶格应变映射方面的发展现在提供了更高的精度和可行性。然而,由于衍射图样中的噪声和强度的复杂性,自动和准确的衍射分析仍然是具有挑战性的。在这项工作中,我们展示了一种方法,采用斑点检测交叉相关的衍射图案,然后晶格拟合算法,自动处理四维数据,包括识别和定位磁盘,并提取本地晶格参数,而无需事先了解的材料。该方法都是使用模拟的衍射图案进行测试,并应用于从Pd@Pt核壳纳米粒子获得的实验数据。我们的方法显示出对各种样品厚度和高噪声的鲁棒性,处理复杂图案的能力,以及应变测量的皮米级精度,使其成为高通量4D-STEM数据处理的有前途的工具。
2022-01-02 cond-mat.mtrl-sci physics.app-ph
Atomic-Scale Investigation of an Asymmetric SrTiO$_{3}$ Grain Boundary
本文结合 STEM、APT 与 DFT$+U$,在原子尺度解析 SrTiO$_3$ 非对称晶界的 Sr 贫化、Ti 再分布及其能量机制。
2025-03-14 cond-mat.mtrl-sci
Automated crystal orientation mapping by precession electron diffraction assisted four-dimensional scanning transmission electron microscopy (4D-STEM) using a scintillator based CMOS detector
电子敏感和像素化探测器的最新发展吸引了四维扫描透射电子显微镜(4D-STEM)的使用。在这里,我们提出了一个进动电子衍射辅助4D-STEM技术的自动取向映射使用衍射斑点图案直接捕获的柱闪烁体的互补金属氧化物半导体(CMOS)检测器。我们比较的结果到一个传统的方法,它利用一个外部CCD摄像机拍摄的荧光屏。探测器的高动态范围和信噪比特性大大提高了衍射图案的图像质量,特别是在高散射角下衍射斑点的可见性。在通过模板匹配过程重建的方向图中,与传统方法相比,CMOS数据产生了显着减少的错误索引和更高的可靠性。也可以通过掩蔽接近直接光束的反射来提高取向差测量的角分辨率。这是因为在高散射角下取向敏感的、弱的和小的衍射斑点更显著。结果表明,精细的细节,如纳米晶粒,纳米孪晶和亚晶界可以解决与亚度角分辨率,这是可比的取向映射使用菊池衍射图案。
2021-03-05 cond-mat.mtrl-sci physics.ins-det
Probing electron beam induced transformations on a single defect level via automated scanning transmission electron microscopy
基于深度卷积神经网络的集成学习和迭代训练(ELIT)的扫描透射电子显微镜(STEM)数据流实时分析的鲁棒方法在操作显微镜上实现,通过STEM中的自动化实验探索电子束照射下特定原子配置的动态。结合光束控制,这种方法允许在全自动模式下研究选定原子团和化学键的光束效应。在这里,我们展示了过渡金属二硫属化物中单空位线的原子精确工程以及拓扑缺陷石墨烯的创建和识别。基于ELIT的方法为STEM数据的直接实时分析开辟了道路,并为探测电子束化学,原子操作和原子组装提供了实时反馈方案。
2022-07-26 cond-mat.dis-nn cond-mat.mtrl-sci
Automated detection and mapping of crystal tilt using thermal diffuse scattering in transmission electron microscopy
本研究提出一种基于动量分辨STEM数据、通过菊池带几何分析测定晶体局部微倾斜的方法,模拟精度约0.1mrad,经实验验证可在大视场内实现高分辨率晶体倾斜与旋转绘图。
2024-06-20 cond-mat.mtrl-sci
Separating physically distinct mechanisms in complex infrared plasmonic nanostructures via machine learning enhanced electron energy loss spectroscopy
低损耗电子能量损失谱(EELS)已经成为一种用于探索纳米级等离子体现象的局部化的技术,需要从3D光谱数据集分析物理行为。对于具有高度局部化的系统,线性解混方法为探索性分析提供了极好的基础,而在更复杂的复杂系统中,需要大量的组件来准确捕获真实的等离子体响应,并且组件的物理可解释性变得不确定。在这里,我们探索基于机器学习的低损耗EELS数据分析掺杂半导体纳米粒子的异质自组装单层膜,支持红外共振。我们提出了一个途径的监督分析EELS数据集,分离和分类的电影与物理上不同的光谱响应的区域。的分类被证明是强大的,准确地捕捉复杂的纳米结构的共同spatiospectral tropes,并可在不同的数据集之间转移,以允许高通量分析大面积的样品。因此,它可以用作基于贝叶斯优化的自动化实验工作流程的基础,如非原位数据所示。我们进一步证明了使用非线性自编码器(AE)结合聚类的AE的潜在空间产生高度减少的系统响应的表示,产生洞察相关的物理不依赖于操作员的输入和偏见。这些监督和非监督工具的组合提供了对纳米等离子体现象的互补洞察。
2020-09-17 cond-mat.dis-nn cond-mat.mtrl-sci eess.IV
Spatially-Resolved Band Gap and Dielectric Function in 2D Materials from Electron Energy Loss Spectroscopy
二维(2D)材料的电子性质敏感地依赖于底层原子的排列,直到单层水平。在这里,我们提出了一种新的战略,用于确定的带隙和复杂的介电函数在二维材料实现了空间分辨率下降到几个纳米。这种方法基于粒子物理学中开发的机器学习技术,并使电子能量损失谱(EELS)光谱图像的自动处理和解释成为可能。使用$K$均值聚类将各个光谱分类为厚度的函数,然后用于训练零损失峰值背景的深度学习模型。作为一个概念验证,我们评估的带隙和介电函数的InSe薄片和多型WS $_2$ nanoflower,并将这些电性能与局部厚度。我们灵活的方法可推广到其他纳米结构材料和高维光谱,并作为开源EELSfitter框架的新版本提供。
2022-02-25 cond-mat.mtrl-sci hep-ph
When the atoms dance: exploring mechanisms of electron-beam induced modifications of materials with machine-learning assisted high temporal resolution electron microscopy
本研究开发了一种结合自动反馈控制和深度卷积神经网络的工作流程,用于分析高速螺旋扫描STEM数据,以高时空分辨率揭示单层MoS2中电子束诱导纳米孔形成的原子机制。
2023-10-12 cond-mat.mtrl-sci
Free, flexible and fast: orientation mapping using the multi-core and GPU-accelerated template matching capabilities in the python-based open source 4D-STEM analysis toolbox Pyxem
这项工作提出了在Pyxem中实现的新模板匹配功能,Pyxem是一个用于分析四维扫描透射电子显微镜(4D-STEM)数据的开源Python库。模板匹配是用于导出局部晶体取向的蛮力方法。它的工作原理是将模拟衍射图案库与纳米束和进动电子衍射(NBED和PED)收集的实验图案进行比较。这是一项计算要求很高的任务,因此该实现通过利用多个CPU内核或图形处理单元(GPU)来结合效率和可扩展性。该代码构建在科学Python生态系统之上,旨在支持自定义和可复制的工作流程,将图像处理,模板库生成,索引和可视化都结合在一个环境中。这些工具不受文件大小和格式的影响,这一点对于越来越多的来自不同制造商的像素化探测器来说非常重要。本文详细介绍了该方法的实施,验证和基准测试结果。该方法说明了通过计算纳米晶材料和沉淀物嵌入在晶体基质中的取向图。速度和灵活性的结合为TEM内的自动化参数研究和实时在线方向映射打开了大门。
2021-11-14 cond-mat.mtrl-sci
Unsupervised Reward-Driven Image Segmentation in Automated Scanning Transmission Electron Microscopy Experiments
University of Tennessee(田纳西大学);Pacific Northwest National Laboratory(太平洋西北国家实验室)
本文提出并基准测试了一种用于STEM自动实验的无监督奖励驱动图像分割方法,该方法无需人工标签且完全可解释,能实现实时性能,并适用于多种显微图像分析任务。
2024-09-20 cond-mat.mtrl-sci cs.HC cs.LG
4D-PreNet: A Unified Preprocessing Framework for 4D-STEM Data Analysis
本文提出4D-PreNet,一个集成注意力增强U-Net和ResNet的端到端深度学习框架,用于同时完成4D-STEM数据的去噪、束中心校正和椭圆畸变校准,显著提升高通量实时分析的可靠性。
2025-08-23 cond-mat.mtrl-sci cs.AI cs.CV
An Automated Scanning Transmission Electron Microscope Guided by Sparse Data Analytics
Pacific Northwest National Laboratory(太平洋西北国家实验室);Washington State University – Tri-Cities(华盛顿州立大学三城分校)
人工智能(AI)有望重塑科学探究,并在储能、量子计算和生物医学等领域实现突破性发现。扫描透射电子显微镜(STEM)是化学和材料系统研究的基石,将从人工智能驱动的自动化中受益匪浅。然而,目前低水平仪器控制以及可概括和可解释的特征检测存在障碍,使得真正的自动化显微镜变得不切实际。在这里,我们讨论了由新兴的稀疏数据分析指导的闭环仪器控制平台的设计。我们演示了如何通过机器学习结合有限的$a$ $priori$知识和基于任务的歧视来通知集中式控制器,可以驱动飞行实验决策。该平台开启了对各种材料特征的实用、自动化分析,从而实现了新的高通量和统计研究。
2021-09-30 cond-mat.mtrl-sci cs.LG
Patterned Probes for High Precision 4D-STEM Bragg Measurements
通过四维扫描透射电子显微镜(4D-STEM)进行的纳米级应变映射依赖于确定布拉格散射电子在衍射图案序列中的精确位置,这是一项因动态散射、非弹性散射和散粒噪声而复杂化的任务。这些特征阻碍了衍射盘的精确自动计算检测和位置测量,限制了局部变形测量的精度。在这里,我们调查使用图案化探针,以提高应变映射的精度。我们压印的“靶心”图案的探头上,通过使用二进制掩模的探头形成的光圈,以提高鲁棒性的峰值查找算法内的衍射盘的强度调制。我们表明,这种压印导致大幅提高应变映射精度的空间分辨率略有下降的代价。在一个无应变的硅参考样品的实验中,我们观察到的应变测量精度的改善,从2.7%的倒易晶格矢量与标准探针到0.3%,使用靶心探针薄样品,和厚样品的改善从4.7%到0.8%。我们还使用多层模拟来探索样品厚度和电子剂量如何限制4D-STEM应变测量的准确度和精度。
2019-11-08 cond-mat.mtrl-sci physics.app-ph
Orientation Mapping via Dictionary Indexing of AC-STEM Kikuchi patterns using Open-source Software
Philipps-Universität Marburg(马尔堡菲利普大学);Marburg Center for Quantum Materials and Sustainable Technology (mar.quest) and Department of Physics, Philipps-Universität Marburg(马尔堡量子材料与可持续技术中心(mar.quest)及马尔堡菲利普大学物理系);Institute for Ceramic Materials and Technologies (IKMT), University of Stuttgart(斯图加特大学陶瓷材料与技术研究所(IKMT))
提出一种基于开源软件模板匹配的AC-STEM TKD取向映射方法,通过动态模拟生成主花样并用于几何模拟和取向索引,成功应用于BZCYYb4411和LNO材料,在有限衍射空间下仍与实验数据高度吻合。
2026-07-09 cond-mat.mtrl-sci physics.ins-det
Deep Generative Models-Assisted Automated Labeling for Electron Microscopy Images Segmentation
提出无需标注和模拟的tGAN管道,通过生成虚拟数据集训练计算机视觉模型,在纳米粒子分割中准确率超手动标注5%,并具备跨领域泛化能力。
2024-07-28 cond-mat.mtrl-sci eess.IV
A 4D-STEM Tomographic Framework Assisted by Object Tracking for Nanoparticle Structure Determination
EMAT, Department of Physics, University of Antwerp(安特卫普大学物理系);CRISMAT, Normandie Université, ENSICAEN, UNICAEN, CNRS UMR 6508(诺曼底大学、ENSICAEN、UNICAEN、法国国家科学研究中心UMR 6508);Department of Chemistry, KU Leuven(荷语鲁汶大学化学系)
本研究提出结合4D-STEM断层成像与物体追踪算法的方法,用于解析纳米颗粒结构,克服了传统3D ED在敏感样品和团聚颗粒中的技术限制。
2026-08-18 cond-mat.mtrl-sci physics.ins-det
STEM Diffraction Pattern Analysis with Deep Learning Networks
Technical University Darmstadt, Institute of Materials Science, Mechanics of Functional Materials(德累斯顿技术大学材料科学研究所功能材料力学研究组);Philipps-University Marburg, Scientific Centre for Materials Science(马尔堡菲利普斯大学材料科学研究中心)
本文提出利用深度学习网络直接从STEM衍射图谱预测欧拉角,以实现高分辨率晶体取向图的自动生成,为多晶材料的微观结构分析提供高效方法。
2025-07-02 cond-mat.dis-nn cond-mat.mtrl-sci cs.LG