图像对分子的基准测试数据集具有碎形模式和层次形态识别等级
Daria M Arkhipova1, Daniil A Boiko1, Aleksandr A Oganov1
1N.D. Zelinsky Institute of Organic Chemistry, Russian Academy of Sciences, Leninsky Prospekt 47, Moscow, 119991, Russia.
Scientific data
|March 2, 2026
概括
在四级盐 (QPSs) 中观察到高的形态多样性. 它们的分子结构决定了微观结构,为材料设计中的机器学习提供了洞察力.
科学领域:
- 材料科学 材料科学 材料科学
- 化学 化学 化学
- 数据科学数据科学数据科学
背景情况:
- 四级盐 (QPSs) 呈现出显著的形态多样性.
- 这种多样性与它们的分子结构的微妙变化有关,特别是单一的甲基.
- 了解这种分子形态关系对于材料设计至关重要.
研究的目的:
- 用先进的显微镜技术记录和分析19个同源QPS的形态多样性.
- 为QPSs创建显微镜图像的开放访问数据集.
- 为机器学习应用在弥合分子形态差距方面建立一个基准.
主要方法:
- 使用扫描电子显微镜 (SEM) 和光学显微镜在各种放大.
- 分析了结晶QPS滴的微观结构.
- 收集并策划了19个同类QPS的显微镜图像的数据集.
主要成果:
- 在QPS微观结构中观察并记录了高的形态多样性.
- 建立了QPS分子结构和观察到的微观结构模式之间的相关性.
- 在QPS微观结构中确定了层次模式和碎形元素.
- 数据集包括显微镜图像和相应的分子信息.
结论:
- QPSs的分子结构直接影响它们的结晶滴状微观结构.
- 生成的数据集对双向机器学习有价值:从图像中预测分子公式,反之亦然.
- 这项工作通过弥合分子形态差距为数据驱动材料设计提供了基础.
更多相关视频
08:44Quantifying Microglia Morphology from Photomicrographs of Immunohistochemistry Prepared Tissue Using ImageJ
Published on: June 5, 2018
75.8K
08:59Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
Published on: October 28, 2018
8.7K
