扫描探针显微镜与高性能计算的整合:实施固定策略和奖励驱动的工作流
Yu Liu1, Utkarsh Pratiush1, Jason Bemis2
1Department of Materials Science and Engineering, University of Tennessee, Knoxville, Tennessee 37996, USA.
The Review of scientific instruments
|September 16, 2024
概括
我们开发了一个用于自动扫描探针显微镜 (SPM) 控制的Python接口,使机器学习驱动的科学发现成为可能. 这种基础设施既支持常规任务,也支持先进的自主研究.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 计算科学 计算科学
背景情况:
- 扫描探头显微镜 (SPM) 对于纳米尺度的表征至关重要.
- 自动化SPM操作可以加速科学发现.
- 将机器学习 (ML) 与SPM集成,需要强大的计算基础设施.
研究的目的:
- 为控制 SPM 系统创建一个 Python 接口.
- 为了使ML驱动的SPM工作流程能够使用高性能计算.
- 建立一个平台,使用SPM实现科学发现的自动化.
主要方法:
- 开发用于SPM控制的Python接口库.
- 与本地和远程高性能计算资源的集成.
- 实施一个平台,将SPM操作抽象到ML工作流中.
主要成果:
- 一个功能性的Python接口,可以实现无的SPM控制.
- 证明了对ML算法利用高计算能力的能力.
- 一个支持自动化 SPM 工作流程的多功能平台.
结论:
- 开发的基础设施有助于自动化SPM操作.
- 该系统通过机器学习实现了自主科学发现.
- 该平台支持例行SPM任务和高级研究.
更多相关视频
11:00Hand Controlled Manipulation of Single Molecules via a Scanning Probe Microscope with a 3D Virtual Reality Interface
Published on: October 2, 2016
9.0K
13:43A Robust Single-Particle Cryo-Electron Microscopy cryo-EM Processing Workflow with cryoSPARC, RELION, and Scipion
Published on: January 31, 2022
13.0K
