論文の概要: Three-Dimensional Coherent Diffractive Imaging of Isolated Faceted Nanostructures

• arxiv url: http://arxiv.org/abs/2208.04044v1
• Date: Mon, 8 Aug 2022 10:44:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-09 13:44:53.183174
• Title: Three-Dimensional Coherent Diffractive Imaging of Isolated Faceted Nanostructures
• Title（参考訳）: 孤立面ナノ構造の3次元コヒーレント回折イメージング
• Authors: Alessandro Colombo, Simon Dold, Patrice Kolb, Nils Bernhardt, Patrick Behrens, Jonathan Correa, Stefan D\"usterer, Benjamin Erk, Linos Hecht, Andrea Heilrath, Robert Irsig, Norman Iwe, Jakob Jordan, Bj\"orn Kruse, Bruno Langbehn, Bastian Manschwetus, Franklin Martinez, Karl-Heinz Meiwes-Broer, Kevin Oldenburg, Christopher Passow, Christian Peltz, Mario Sauppe, Fabian Seel, Rico Mayro P. Tanyag, Rolf Treusch, Anatoli Ulmer, Saida Walz, Thomas Fennel, Ingo Barke, Thomas M\"oller, Bernd von Issendorff, Daniela Rupp
• Abstract要約: 自由飛行における孤立ナノサンプルの構造と力学は、単発コヒーレントな回折イメージングによって直接可視化することができる。 これまでは、単一ショットからの効果的な3次元形態素再構成は、高度に制約されたモデルに適合することによってのみ達成されていた。 凸多面体で表される任意の試料形態をモデルとして、個々の銀ナノ粒子から広い角度の回折パターンを再構成する。
• 参考スコア（独自算出の注目度）: 33.828866061570096
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The structure and dynamics of isolated nanosamples in free flight can be directly visualized via single-shot coherent diffractive imaging using the intense and short pulses of X-ray free-electron lasers. Wide-angle scattering images even encode three-dimensional morphological information of the samples, but the retrieval of this information remains a challenge. Up to now, effective three-dimensional morphology reconstructions from single shots were only achieved via fitting with highly constrained models, requiring a priori knowledge about possible geometrical shapes. Here we present a much more generic imaging approach. Relying on a model that allows for any sample morphology described by a convex polyhedron, we reconstruct wide-angle diffraction patterns from individual silver nanoparticles. In addition to known structural motives with high symmetries, we retrieve imperfect shapes and agglomerates which were not accessible previously. Our results open new routes towards true 3D structure determination of single nanoparticles and, ultimately, 3D movies of ultrafast nanoscale dynamics.
• Abstract（参考訳）: 自由飛行における孤立ナノサンプルの構造とダイナミクスは、x線自由電子レーザーの強パルスと短パルスを用いた単発コヒーレント回折イメージングによって直接可視化することができる。 広角散乱画像はサンプルの3次元形態情報を符号化するが、この情報の検索は依然として困難である。 これまでは、単一ショットからの効果的な3次元形態的再構成は、高度に制約されたモデルに適合することでのみ達成され、幾何学的形状に関する事前知識が必要であった。 ここでは、より一般的なイメージング手法を示す。 凸多面体によって記述される任意の試料形態を許容するモデルに基づき、個々の銀ナノ粒子から広角回折パターンを再構成する。 高対称性を持つ既知の構造モチーフに加えて、以前はアクセスできなかった不完全な形状や凝集物を取り出す。 結果は,ナノ粒子の真の3次元構造決定への新たな道を開き,最終的には超高速ナノスケールダイナミックスの3次元フィルムを作製した。

関連論文リスト

• Combining Neural Fields and Deformation Models for Non-Rigid 3D Motion Reconstruction from Partial Data [7.327850781641328]
  本研究では,非剛性変形形状の非構造観察から時間的コヒーレントな3次元運動を再構成するための,新しいデータ駆動型アプローチを提案する。 我々のゴールは、ゆるい服を着ている人間など、ほぼ等尺変形する形状の高忠実な動き再構成を実現することである。 本手法は, モノクローナルディープビデオから再構成したヒトおよび動物の動き系列に適用することにより, 最先端のアプローチよりも優れる。
  論文  参考訳（メタデータ） (2024-12-11T16:24:08Z)
• Neural Image Unfolding: Flattening Sparse Anatomical Structures using Neural Fields [6.5082099033254135]
  トモグラフィーは3次元物体の内部構造を明らかにし、診断に不可欠である。 臓器特異的な展開技術は、密集した3次元表面を歪み最小化された2次元表現にマッピングするために存在する。 我々は、関心の解剖学的変換を2次元概要画像に適合させるために、ニューラルネットワークをデプロイする。
  論文  参考訳（メタデータ） (2024-11-27T14:58:49Z)
• AniSDF: Fused-Granularity Neural Surfaces with Anisotropic Encoding for High-Fidelity 3D Reconstruction [55.69271635843385]
  AniSDF(AniSDF)は,高忠実度3次元再構成のための物理に基づく符号化による融合粒度ニューラルサーフェスを学習する新しいアプローチである。 本手法は, 幾何再構成と新規ビュー合成の両面において, SDF法の品質を飛躍的に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T03:10:38Z)
• A Generative Machine Learning Model for Material Microstructure 3D Reconstruction and Performance Evaluation [4.169915659794567]
  2次元から3次元への次元展開は、現在の技術的観点から非常に難しい逆問題と見なされている。 U-netのマルチスケール特性とGANの生成能力を統合する新しい生成モデルが提案されている。 さらに、画像正規化損失とワッサーシュタイン距離損失を組み合わせることにより、モデルの精度をさらに向上する。
  論文  参考訳（メタデータ） (2024-02-24T13:42:34Z)
• Geometric Latent Diffusion Models for 3D Molecule Generation [172.15028281732737]
  生成モデル、特に拡散モデル(DM)は、特徴豊富な測地を生成する上で有望な結果を得た。 我々はGeoLDM(Geometric Latent Diffusion Models)と呼ばれる新しい3次元分子生成法を提案する。
  論文  参考訳（メタデータ） (2023-05-02T01:07:22Z)
• Neural Wavelet-domain Diffusion for 3D Shape Generation [52.038346313823524]
  本稿では,ウェーブレット領域における連続的暗黙表現の直接生成モデリングを可能にする3次元形状生成の新しい手法を提案する。 具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。
  論文  参考訳（メタデータ） (2022-09-19T02:51:48Z)
• Generative Deformable Radiance Fields for Disentangled Image Synthesis of Topology-Varying Objects [52.46838926521572]
  3D認識生成モデルは、モノクロ2D画像の集合から3Dニューラル放射場(NeRF)を生成するスーパーブパフォーマンスを実証した。 本研究では, トポロジー変化物体の放射場を非交絡形状と外観変化で合成する生成モデルを提案する。
  論文  参考訳（メタデータ） (2022-09-09T08:44:06Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。