買這個很正確

內容簡介

目錄

詳細資料

... 完整的鈷超級合金原子探針層析成像的三維點雲重構（左）和邊緣檢測方法（右）生成的介面。圖片：阿貢國家實驗室 通過使用機器學習作為圖像處理技術，科學家可以極大地加速迄今為止繁瑣的定量查找和查看介面的手動過程，而不必犧牲準確性。 在從電池到半導體的系統中，邊緣和介面在確定材料的特性方面起著至關重要的作用。驅使科學家研究樣品中兩個或更多不同成分相遇的位置，以產生更堅固，更節能或更持久的材料。 在美國能源部（DOE）的阿貢國家實驗室（Argonne National Laboratory）的一項新研究中，研究人員提出了一種基於機器學習的新技術，以揭示材料中掩埋的介面和邊緣的秘密。 用於生成使用機器學習進行分析的數據的實驗技術稱為原子探針層析成像（atom probe tomography），研究人員從中挑選出小小的針狀三維樣本。然後從樣品中剝離出單個原子。然後進行飛行時間測量（Time-of-flight measurement，通過離子飛行時間來反推離子所在的原始位置）和質譜分析，以識別特定原子起源於材料的何處。 這個過程產生了樣品中原子位置的非常大的數據集。為了分析此數據集，研究人員將其分為二維切片。然後將每個切片表示為一幅圖像，機器學習算法可以在該圖像上確定邊緣和介面。 在訓練識別介面的算法時，由阿貢國家實驗室材料科學家和研究作者奧勒·海諾寧（Olle Heinonen）領導的團隊使用了一種非常規方法。他們沒有使用來自可能具有不明確邊界的材料庫的圖像，而是從貓和狗的圖片開始，以幫助機器學習算法學習圖像中的邊緣。 海諾寧說：「在訓練算法時，這些形狀對我們來說很簡單，但對計算機來說卻很複雜，這提供了有用的試驗依據。」 然後，海諾寧和他的同事們通過一組分子動力學模擬，證明了機器學習算法的準確性。他們使用已完全了解了的樣品的成分來生成數據集。再回到機器學習方法，他們提取構圖並將其與真實的情況進行比較。 以前，嘗試從原子探針層析成像數據創建這些類型的濃度分布圖的過程涉及勞動密集的手動過程。通過將機器學習算法與新開發的定量分析軟體配對，海諾寧表示，他可以極大地加快對各種材料介面的分析速度。 他說：「我們的方法是可擴展的，您可以將其置於高性能計算上並使其完全自動化，而不必手動進行操作並查看不同的集中度。在這裡，您發送代碼並按一個按鈕。」 儘管該技術是為原子探針層析成像技術開發的，但海諾寧解釋說，它可以適用於任何種類的層析成像技術，即使X射線層析成像技術也不一定能揭示原子位置。他說：「只要具有一些結構信息和介面的3-D數據集，該技術就很有用。」 促成該研究的合作以包括來自數學、人工智慧、納米科學、材料科學和計算機科學等眾多不同領域的專家而著稱。海諾寧說：「我們匯集了各種各樣的專業知識來解決材料表征方面的挑戰性問題。」 另一位研究作者，阿貢國家實驗室的計算機科學家普拉薩娜·巴拉普拉卡什（Prasanna Balaprakash）說：「從機器學習的角度來看，我們必須克服的關鍵挑戰是數據匱乏。在典型的機器學習環境中，訓練和學習所需的標記數據非常豐富，但是在原子探針層析成像中，需要大量的時間和精力來進行每個實驗並手動將等濃度表面識別為標記數據。這可以阻礙了我們直接應用深度學習方法。」 根據阿貢國家實驗室計算科學家桑德普·麥迪雷迪（Sandeep Madireddy）的說法，研究人員利用轉移學習技術，包括使用在自然圖像上訓練的深度學習模型，來自動識別原子探針層析成像數據中的邊緣。 原子探針層析成像是在西北大學原子探針層析成像中心進行的。 基於該研究的論文《使用基於深度學習的邊緣檢測的原子探針層析成像中的相位分割》發表在2019年12月27日的《科學報告》上。

文章來源取自於：

壹讀 https://read01.com/OAGzLd0.html

博客來 https://www.books.com.tw/exep/assp.php/888words/products/0010478483

如有侵權，請來信告知，我們會立刻下架。

DMCA：dmca(at)kubonews.com

聯絡我們：contact(at)kubonews.com

一中商圈推薦完美的染髮效果推薦染髮店大甲剪髮推薦專業剪髮推薦髮廊龍井短髮帶來的新鮮感推薦染髮店台中西屯中分直長髮學生染髮推薦髮廊
台中西區染髮推薦學生染髮推薦髮廊 霧峰韓系明星髮型風格專業剪髮推薦髮廊 台中哥德式護髮染髮推薦台中東區齊耳瀏海短髮推薦髮型設計工作室 新光三越附近氧氣瀏海推薦髮廊推薦染髮髮廊 台中北區美髮推薦東勢美式風格的質感男仕理髮專業染髮燙髮髮廊 台中北區自然蓬鬆髮型修改推薦髮廊 台中專業剪髮台中中區彎度瀏海推薦染髮店 台灣大道附近中分直長髮學生染髮推薦髮廊 復古捲台中燙髮推薦