深度学习分析局部化层间堆叠位移和双层酸中的动态
Kihyun Lee1,2, Sol Lee1,2, Yangjin Lee1,3
1Department of Physics, Yonsei University, Seoul, 03722, South Korea.
Advanced materials (Deerfield Beach, Fla.)
|March 3, 2025
概括
一种新的深度学习方法使用原子分辨率的TEM图像精确地测量了双层二烯的层间位移. 这种技术准确地捕捉了原子级堆叠动态,推进了材料科学分析.
科学领域:
- 材料科学 材料科学 材料科学
- 凝聚物质物理学 凝聚物质物理学
- 纳米技术纳米技术
背景情况:
- 层间的移位是层状晶体调整性质的关键.
- 传输电子显微镜 (TEM) 分析晶体结构,但难以精确测量层间位移.
- 传统的TEM分析限制了对不同单元细胞模式和结构因子的识别.
研究的目的:
- 为原子分辨率TEM图像引入基于深度学习的分析.
- 为了能够准确地识别单元细胞模式,并精确地确定双层酸中的两层间位移.
- 证明模型在分析大型现场TEM数据方面的能力.
主要方法:
- 开发一个深度学习模型来分析原子分辨率的TEM图像.
- 该模型的应用用于识别单元细胞模式和双层二烯中的堆叠位移.
- 在现场处理TEM数据以捕捉动态层间位移.
主要成果:
- 深度学习模型以3.3%的误差准确地确定了双层二烯中的堆叠位移.
- 实现的空间分辨率接近单个单元细胞水平.
- 在大型现场TEM数据集的边缘重建过程中成功捕获了依赖时间的层间位移动态.
结论:
- 深度学习为TEM中精确的层间位移分析提供了强大的方法.
- 开发的模型为研究分层材料提供了高精度和分辨率.
- 这种方法在分析大型显微镜数据集中的复杂,动态现象方面具有重大潜力.


