論文の概要: Multitask Scanning Probe Microscopy

• arxiv url: http://arxiv.org/abs/2608.09104v1
• Date: Mon, 10 Aug 2026 04:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.078149
• Title: Multitask Scanning Probe Microscopy
• Title（参考訳）: マルチタスク走査プローブ顕微鏡
• Abstract要約: マルチタスク走査プローブ顕微鏡は、ライブでクローズドループのワークフローである。 走査型プローブ顕微鏡は、材料の構造、電気、電気機械、磁気、機械的特性へのナノスケールアクセスを提供する。
• 参考スコア（独自算出の注目度）: 3.126650763625235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scanning probe microscopy provides nanoscale access to structural, electrical, electromechanical, magnetic, and mechanical properties of materials. Its increasing use for wafer-scale characterization and combinatorial materials exploration creates a need to distribute measurements efficiently across large spatial domains. This is particularly important when available modalities differ in acquisition time and potential for tip and sample damage, making exhaustive multimodal mapping over spatial grids impractical. Here, we demonstrate multitask scanning probe microscopy, a live, closed-loop workflow in which a multitask Gaussian process learns spatial and cross-modal relationships and autonomously selects both the next measurement location and the next experimental protocol. The approach is implemented on an automated large-sample atomic force microscope and demonstrated on a composition-spread AlScN wafer using tapping-mode and Dual AC Resonance Tracking (DART) measurements. Paired initial measurements establish the relation between the tasks, after which noncoincident measurements are used to update both response landscapes. The resulting workflow extends active learning in scanning probe microscopy from spatial sampling to autonomous allocation of measurement modalities and provides a basis for combining rapid, weakly perturbative imaging with slower contact, electrical, electromechanical, magnetic, or spectroscopic measurements.
• Abstract（参考訳）: 走査型プローブ顕微鏡は、材料の構造、電気、電気機械、磁気、機械的特性へのナノスケールアクセスを提供する。 ウェハスケールのキャラクタリゼーションや複合材料探索への利用の増加は、測定値を大きな空間領域に効率的に分散させる必要性を生じさせる。 これは、利用可能なモダリティが取得時間と、先端やサンプルの損傷のポテンシャルが異なる場合に特に重要であり、空間格子上での網羅的なマルチモーダルマッピングを非現実的にする。 本稿では,マルチタスク・ガウス過程が空間的および横断的な関係を学習し,次の測定位置と次の実験プロトコルの両方を自律的に選択する,ライブ・クローズドループ・ワークフローであるマルチタスク走査プローブ顕微鏡を実証する。 提案手法は, 自動大サンプル原子間力顕微鏡上に実装され, タッピングモードとデュアル交流共振追跡(DART)測定を用いた合成拡散型AlScNウェハ上で実証された。 ペア化初期測定はタスク間の関係を確立し、その後に非衝突測定を用いて両方の応答環境を更新する。 結果として得られるワークフローは、空間サンプリングから測定モダリティの自律的な割り当てに至るまで、プローブ顕微鏡におけるアクティブな学習を拡張し、高速で弱い摂動画像と遅い接触、電気、機械、磁気、分光計測を組み合わせるための基盤を提供する。

関連論文リスト

• PATHFINDER: Multi-objective discovery in structural and spectral spaces [0.6738747756464843]
  PATHFINDERは、新規に駆動された探索と最適化を組み合わせた自律顕微鏡のためのフレームワークである。 特徴空間と対象空間における新規性発見のバランスをとる測定値を選択し、情報的かつ実験的に作用する。 これらの結果は、最適化駆動のだけでなく、発見指向で広範で、人間の指示に反応する新しい自律顕微鏡のモードを示している。
  論文  参考訳（メタデータ） (2026-04-05T17:31:08Z)
• Autonomous Probe Microscopy with Robust Bag-of-Features Multi-Objective Bayesian Optimization: Pareto-Front Mapping of Nanoscale Structure-Property Trade-Offs [0.837047113864403]
  組合せ材料ライブラリーは、候補成分の大きなファミリーを生成するための効率的な方法である。 自動原子間力顕微鏡と磁気力顕微鏡を統合した自律走査型プローブ顕微鏡フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-01-09T04:55:36Z)
• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• Learning Multiscale Consistency for Self-supervised Electron Microscopy Instance Segmentation [48.267001230607306]
  本稿では,EMボリュームのマルチスケール一貫性を高める事前学習フレームワークを提案する。 当社のアプローチでは,強力なデータ拡張と弱いデータ拡張を統合することで,Siameseネットワークアーキテクチャを活用している。 効果的にボクセルと機能の一貫性をキャプチャし、EM分析のための転送可能な表現を学習する。
  論文  参考訳（メタデータ） (2023-08-19T05:49:13Z)
• Machine learning-based spin structure detection [0.0]
  我々は,この測定におけるスカイミオンの位置と形状を検出するために,セグメンテーション問題に特化して設計された畳み込みニューラルネットワークについて報告する。 本研究の結果から, よく訓練されたネットワークは, 磁気顕微鏡におけるデータ前処理の自動化に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-24T17:19:31Z)
• Leveraging generative adversarial networks to create realistic scanning transmission electron microscopy images [2.5954872177280346]
  機械学習は、自律的なデータ収集と処理を通じて材料研究に革命をもたらす可能性がある。 我々は,実空間周波数情報を用いたシミュレーションデータを増大させるために,相互空間判別器を備えたサイクル生成逆数ネットワーク(CycleGAN)を用いる。 完全な畳み込みネットワーク(FCN)をトレーニングして、450万個の原子データセット内の単一原子欠陥を同定することで、我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-18T19:19:27Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
  本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。 軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
  論文  参考訳（メタデータ） (2022-05-31T13:26:51Z)
• Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns [48.53244254413104]
  我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。 結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。 シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
  論文  参考訳（メタデータ） (2022-02-01T03:53:39Z)
• High resolution functional imaging through Lorentz transmission electron microscopy and differentiable programming [4.717645818081808]
  Lorentz伝送電子顕微鏡は、材料の微細構造と機能特性の同時イメージングを可能にするユニークな特性評価技術です。 電子の位相シフトの解決を必要とする電子波の完全な波動関数を取得する必要があります。 本稿では,位相探索の逆問題を解くために微分可能プログラミングに基づく手法を開発した。
  論文  参考訳（メタデータ） (2020-12-07T20:26:53Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)

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。