Статистически репрезентативная метрология наночастиц с использованием неконтролируемого машинного обучения по изображениям ПЭМ

Морфология наночастиц определяет их свойства, имеющие значение для широкого спектра важных применений. Поэтому возможность статистически коррелировать этот ключевой параметр, характеризующий эксплуатационные свойства частиц, имеет первостепенное значение для точного управления свойствами наночастиц. Среди нескольких эффективных методов морфологической характеризации наночастиц просвечивающая электронная микроскопия (ПЭМ) обеспечивает прямую и точную характеристику деталей структуры и морфологии наночастиц с атомным разрешением. Однако ручной анализ большого числа изображений ПЭМ является трудоемким. В данной работе мы демонстрируем эффективный, надежный и высокоавтоматизированный метод метрологии наночастичных систем, основанный на неконтролируемом машинном обучении изображений ПЭМ. Предлагаемый метод позволяет не только проводить статистически значимый анализ, но и сохраняет устойчивость к вариациям качества изображений, режимов визуализации и дисперсности частиц. Возможность эффективно получать статистически значимые метрологические характеристики частиц имеет критическое значение для развития прецизионного синтеза частиц и точного управления их свойствами.