使用深度学习辅助显微镜量化原子分散催化剂

科学领域:

• 材料科学 材料科学 材料科学
• 催化剂是一种催化剂.
• 数据科学数据科学数据科学

背景情况:

• 原子分散催化剂 (ADC) 的催化性能在很大程度上取决于原子排列.
• 扫描传输电子显微镜 (STEM) 图像在原子尺度上的ADC.
• 对ADC的大型STEM数据集的手动分析是耗时且具有挑战性的.

研究的目的:

• 开发一种自动化方法来量化ADC中的原子配置.
• 为了克服手动数据分析在ADC的STEM成像中的瓶.
• 为了使大规模的STEM数据集能够有效地分析催化剂研究.

主要方法:

• 开发基于卷积神经网络 (CNN) 的算法.
• 应用算法来量化 adatom 配置的空间安排.
• 在具有不同支晶度和同质性的ADC上测试算法.

主要成果:

• 美国有线电视新闻网的算法准确地确定了原子的位置.
• 该算法有效地分析了ADC的大型数据集.
• 在不同类型的支持和同质程度上表现出稳健性.

结论:

• 开发的CNN算法为从STEM数据中分析ADC原子配置提供了强大的解决方案.
• 这种方法显著加速了大数据集的分析,解决了ADC研究中的一个关键挑战.
• 该算法显示了未来现场显微镜实验中实时分析的潜力.