快速的纳米-IR高光谱成像由大数据集免费的小型化空间光谱网络赋能
Yun Gao1, Peng Zheng1, Zhao-Dong Meng2
1Pen-Tung Sah Institute of Micro-Nano Science and Technology, Xiamen University, Xiamen 361102, China.
Analytical chemistry
|June 1, 2024
概括
我们开发了一个带有压缩采样的空间光谱网络 (SS-Net),以显著加速纳米级红外 (纳米-IR) 成像. 这种深度学习方法将成像速度提高到261.6倍,使材料和光子学研究更快.
科学领域:
- 光谱学和成像技术
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
背景情况:
- 纳米级红外 (纳米-IR) 成像提供无标签的分子对比.
- 目前的纳米-红外成像是缓慢的,由于点对点采集3D数据立方体.
- 加速纳米-IR成像对于更广泛的应用至关重要.
研究的目的:
- 开发一个深度学习模型 (SS-Net) 结合压缩采样,用于快速的纳米-IR成像.
- 提高各种纳米-IR技术的成像速度,而不会影响数据质量.
- 建立高速纳米-红外显微镜的新范式.
主要方法:
- 开发了一个小型化的深度学习模型,空间光谱网络 (SS-Net).
- 在空间和光谱领域实施压缩采样.
- 经过训练的SS-Net使用子样本纳米-IR数据,具有集成图像和光谱相似性的高效损失函数.
主要成果:
- 在刺激拉曼散射数据集上实现了高达10倍的速度改进,具有最先进的性能.
- 证明了原子力显微镜红外 (AFM-IR) 显微镜的速度提高了7倍.
- 在纳米尺度里埃变换红外 (纳米-FTIR) 显微镜上展示了高达261.6倍的更快成像速度.
- 在AFM-force基于体积的多参数纳米成像上进行了验证的概括.
结论:
- 这种SS-Net方法显著加快了纳米-IR成像速度.
- 这种方法为各种纳米-IR技术提供了多功能和高效的解决方案.
- 允许在材料,光子学等领域进行先进研究的新可能性.
更多相关视频
14:09High-Throughput Total Internal Reflection Fluorescence and Direct Stochastic Optical Reconstruction Microscopy Using a Photonic Chip
Published on: November 16, 2019
6.9K
08:49Author Spotlight: Unveiling the Potential of VSFG Microscopy in Studying Mesoscopically Heterogeneous Self-Assembled Structures
Published on: December 1, 2023
1.4K
