从两个失焦图像中使用神经网络的退出波函数重建
Ziyi Meng1, Wenquan Ming2, Yutao He3
1College of Materials Science and Engineering, Centre for High Resolution Electron Microscopy, Hunan University, Changsha 410082, Hunan Province, China.
Micron (Oxford, England : 1993)
|November 17, 2023
概括
一种新的神经网络方法,EWR-NN,在传输电子显微镜中,只从两个失焦图像中准确地重建波函数. 这一进步比现有的实时原子分辨率成像方法提供了更好的性能.
科学领域:
- 材料科学 材料科学 材料科学
- 物理 物理学 物理
- 影像科学 影像科学
背景情况:
- 精确的波函数重建对于在传输电子显微镜 (TEM) 中推进实时原子分辨率成像至关重要.
- 目前的重建方法需要进一步开发,以在实际成像条件下提高稳定性和精度.
研究的目的:
- 引入EWR-NN,一种基于神经网络的新方法来重建波函数.
- 用模拟和实验数据证明EWR-NN的有效性,并将其与已知的技术进行比较.
主要方法:
- 开发使用神经网络架构的EWR-NN算法.
- 使用模拟数据集和来自两个不同的TEM设置的实验性失焦系列的验证.
- 与代波函数重建 (IWFR) 方法进行比较分析.
主要成果:
- EWR-NN仅从两个失焦图像中实现了精确的波函数重建.
- 拟议的方法在模拟和实验测试中都优于IWFR方法.
- 分析证实了EWR-NN对脱焦偏差,图像转移和噪音等因素的弹性.
结论:
- 在TEM中,EWR-NN为波函数重建提供了强大而准确的解决方案.
- 该方法显示了改善实时原子分辨率成像应用的巨大潜力.
- 虽然原子列的排列被保留,但图像对比度可能会受到成像参数的影响.
