Marco de aprendizaje automático en dos etapas para la discriminación precisa de isómeros y moléculas muy similares en...

Área de la Ciencia:

• Ciencias de la superficie
• Nanotecnología
• Química computacional

Sus antecedentes:

• La detección precisa de isómeros orgánicos en la superficie y moléculas similares es vital para comprender las reacciones químicas.
• Los métodos actuales carecen de eficiencia, robustez y automatización para distinguir moléculas estrechamente relacionadas en las superficies.

Objetivo del estudio:

• Desarrollar un marco automatizado y preciso para detectar e identificar múltiples tipos de moléculas escasamente distribuidas en las superficies.
• Abordar el desafío de distinguir moléculas con características análogas en imágenes de microscopía de túnel de barrido (STM).

Principales métodos:

• Implementó un marco de red neuronal convolucional de dos etapas (CNN) llamado ReSTOLO.
• Utilizado YOLO v5.m para la localización molecular y ResNet-101 para la clasificación, conectado a través de la normalización de la caja.
• Entrenó a los modelos en una base de datos de imágenes STM aumentada de moléculas individuales.

Principales resultados:

• Logró aproximadamente un 20% de mejora en la precisión, el recuerdo y la precisión en comparación con los métodos convencionales.
• Eficacia demostrada en el análisis de una reacción superficial con seis moléculas que exhiben firmas STM casi idénticas.
• Demostró capacidades robustas para identificar y discriminar automáticamente entre especies moleculares con configuraciones similares.

Conclusiones:

• ReSTOLO ofrece una solución eficiente y automatizada para la discriminación molecular precisa en reacciones superficiales complejas.
• Este marco avanza significativamente en el campo de la química de las superficies manipuladas con puntas STM.
• El enfoque facilita el análisis detallado de los mecanismos de reacción de superficie y las propiedades moleculares.