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

Statistically Representative Metrology of Nanoparticles via Unsupervised Machine Learning of TEM Images
José C. Riquelme, Shery L. Y. Chang, Christian Dwyer, Haotian Wen, José María Luna-Romera
2021-10-14

анализ изображений ПЭМметрология наночастицморфология наночастицпросвечивающая электронная микроскопияобучение без учителя
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.
1
Метод машинного обучения без учителя автоматизирует метрологию наночастиц по ТЭМ-изображениям, сокращая трудоёмкость ручного анализа.
2
Автоматизированные статистические измерения морфологии могут способствовать более точному синтезу наночастиц и улучшению контроля их свойств.
3
Подход сохраняет устойчивость при изменениях качества ТЭМ-изображений, режимов визуализации и дисперсий частиц.
4
Метод обеспечивает статистически значимый анализ морфологии больших наборов изображений наночастиц.

системы наночастиц, представленные на TEM-изображениях

статистически репрезентативная морфологическая метрология наночастиц, включая автоматизированный анализ, устойчивый к изменяющемуся качеству изображений, режимам визуализации и дисперсиям частиц

Publication Details
Publication Date
2021-10-14
Journal
Publisher
ISSN
Cited by
41
Access Type
Author Information
Authors
José C. Riquelme
Shery L. Y. Chang
Christian Dwyer
Haotian Wen
José María Luna-Romera
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%