首页天道酬勤供电npj什么意思(npj属于sci吗)

供电npj什么意思(npj属于sci吗)

admin 11-29 06:24 187次浏览

相形成和演化是固体化学、物理学、电化学和材料科学的关键过程之一,具有基础重要性,但目前尚没有在原子尺度上探索其机制。

近年来,(扫描)透射电子显微镜((英语)专业英语)的进步使得人们能够在多个固态过程中观察到原子动力学对电子束辐射的响应。之前,要了解电子束照射下的相转换需要实时绘制结构相及其演变,需要靠手动尝试逐帧分析,不仅困难重重,还耗时费力、单调乏味、极易出错。美国橡树岭国家实验室的Rama Vasudevan等,受计算机视觉启发,猜测神经网络可能有所助益。他们采用深层卷积神经网络(DCNN)计算,自动确定在原子分辨图像中存在的tdll对称性。在给定输入图像的2D快速傅立叶变换情况下,对时滞细胞神经网络进行训练,识别出tdll类别;另外采用蒙特卡洛分析来确定预测概率和统计偏差,以展示专业英语的模拟图像和真实原子分辨图像的比较结果,他们发现该网络正确而快速地预测了晶格。然后,他们将训练好的网络应用于研究电子轰击下的WS2结构,发现在此过程中其菱形结构消失,与实际观察的数据一致。可见,这种神经网络有可能是分析实时电子显微镜数据用于材料优化和设计的强大工具。

该文近期发表于日本计算材料,4: 30 (2018),英文标题与摘要如下,点击左下角"阅读原文"可以自由获取论文PDF。

通过原子分辨图像的深度学习绘制电子束诱导变换期间的介观相位演化

拉玛瓦苏德万、努阿曼拉奈特、埃里克费拉古特、王凯、戴维杰赫根、肖凯、马克西姆齐亚特季诺夫、斯蒂芬杰西、翁德雷戴克谢尔盖卡林

理解电子束照射下的转变需要实时绘制结构相及其演化。到目前为止,这主要是一项人工工作,包括困难的逐帧分析,这种分析既繁琐又容易出错。在这里,我们转向使用深度卷积神经网络(DCNN)来自动确定原子分辨图像中存在的布拉瓦晶格对称性。给定输入图像的2D快速傅立叶变换,训练时滞细胞神经网络来识别布拉瓦格类。蒙特-高高的太阳从用于确定预测概率,并且显示了来自扫描隧道显微镜和扫描透射电子显微镜的模拟和真实原子分辨图像的结果。最终层输出的简化表示允许在时滞细胞神经网络中可视化类的分离,并且符合物理直觉。然后,我们将训练好的网络应用于WS2中电子束诱导的转变,这允许跟踪和确定空隙的生长速率。我们强调了这些结果的两个关键方面: (1)它表明可以训练神经网络来识别衍射模式,这与典型的"真实图像"情况明显不同,以及(2)它提供了一种内置不确定性量化的方法,允许实时分析原子分辨图像中存在的相位。

点击https://www.nature.com/articles/s41524-018-0086-7

看论文

Java--JUC之CountDownLatchc#实现汉诺塔问题示例
下一个风口(突围) 2017年计量经济学论文(2019形势与政策论文参考文献)
相关内容