論文の概要: An Interactive, Automated 4D-STEM data acquisition and analysis routine for Scanning Electron Nanobeam Diffraction and Ptychography experiments
- arxiv url: http://arxiv.org/abs/2608.13752v1
- Date: Thu, 13 Aug 2026 20:22:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.207881
- Title: An Interactive, Automated 4D-STEM data acquisition and analysis routine for Scanning Electron Nanobeam Diffraction and Ptychography experiments
- Title（参考訳）: Scanning Electron Nanobeam Diffraction and Ptychography Experimentのためのインタラクティブな4D-STEMデータ取得と解析ルーチン
- Abstract要約: 本研究では,4D-STEMナノビーム回折法とPtychographyデータのための自動データ収集ルーチンを提案する。
収集した大量のデータから関連する情報を抽出する半自動データ解析ワークフローを提案する。
- 参考スコア（独自算出の注目度）: 2.753346630775385
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern transmission electron microscopes are versatile instruments which have become indispensable tools for understanding structure and chemical composition at the nano- and atomic scale. In the physical sciences these instruments are still largely manually controlled, requiring significant operator expertise, limiting throughput, and precluding statistical analysis of large datasets. Recent technical advances in both hardware and in control software now allow for the interaction with almost every functionality of the microscope through a programming interface. This enables better experimental design and data collection automation while also reducing operator collection bias and required expertise. In this study, we present an automated data collection routine with machine-driven decision-making to enable the collection of hundreds of 4D-STEM nanobeam diffraction and ptychography data from a large distribution of size-selectively deposited Pt nanoparticles. We present a semi-automated data analysis workflow to extract pertinent information from the large volumes of collected data. For the nanobeam diffraction data, reducing each dataset to its azimuthal variance profile and combining automated crystal orientation mapping with per-particle morphology descriptors reveals the orientation, shape and phase distributions across the ensemble, including a weak {110} texture. For the ptychographic data, an automated screening pipeline identifies on-zone-axis particles and enables atomic-resolution phase imaging and lattice-strain mapping of individual grains. Together these demonstrate how automation turns instrument throughput into statistically meaningful, atomic-scale microstructural information.
- Abstract（参考訳）: 現代の透過電子顕微鏡は、ナノスケールと原子スケールの構造と化学組成を理解するのに欠かせない道具となった多用途の機器である。
物理科学では、これらの楽器は依然として手作業で制御されており、オペレーターの専門知識、スループットの制限、大規模なデータセットの統計分析を事前に行う必要がある。
近年のハードウェアおよび制御ソフトウェアの技術的進歩により、プログラミングインタフェースを通じて、顕微鏡のほぼすべての機能との相互作用が可能になった。
これにより、実験的な設計とデータ収集の自動化が向上し、演算子コレクションバイアスと必要な専門知識が削減される。
本研究では, Ptナノ粒子の粒径選択分布から, 数百個の4D-STEMナノビーム回折とptychographyデータを収集できる自動データ収集ルーチンを提案する。
収集した大量のデータから関連する情報を抽出する半自動データ解析ワークフローを提案する。
ナノビーム回折データでは、各データセットをアジムタール分散プロファイルに還元し、粒子ごとの結晶配向マッピングと粒子形態記述子を組み合わせることで、弱い{110}テクスチャを含むアンサンブル全体の配向、形状、位相分布を明らかにする。
ptychographyデータでは、自動スクリーニングパイプラインがオンゾーン軸粒子を識別し、原子分解能位相像と個々の粒子の格子-ひずみマッピングを可能にする。
これらとともに、自動化によって計器のスループットが統計的に意味のある原子スケールのマイクロ構造情報にどのように変換されるかが示される。
関連論文リスト
- Learning and Controlling Silicon Dopant Transitions in Graphene using
Scanning Transmission Electron Microscopy [58.51812955462815]
単層炭素原子上のシリコン原子の遷移ダイナミクスを機械学習で決定する手法を提案する。
データサンプルは、ニューラルネットワークをトレーニングして遷移確率を予測するために、シンボリック表現を生成するために処理され、フィルタリングされる。
これらの学習された遷移ダイナミクスを利用すれば、格子全体に1つのシリコン原子を誘導し、あらかじめ決定された目標目的地へと導くことができる。
論文 参考訳（メタデータ） (2023-11-21T21:51:00Z) - A robust synthetic data generation framework for machine learning in
High-Resolution Transmission Electron Microscopy (HRTEM) [1.0923877073891446]
Construction Zoneは、複雑なナノスケール原子構造を高速に生成するためのPythonパッケージである。
ニューラルネットワークをトレーニングするための大規模なシミュレーションデータベースを作成するためのエンドツーエンドワークフローを開発する。
この結果から, ナノ粒子のHRTEM画像に対して, 最先端のセグメンテーション性能を実現することができた。
論文 参考訳（メタデータ） (2023-09-12T10:44:15Z) - Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。
本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。
本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文 参考訳（メタデータ） (2023-06-20T21:21:19Z) - Combining Variational Autoencoders and Physical Bias for Improved
Microscopy Data Analysis [0.0]
本稿では,データ内の変数の因子を分散させる物理拡張機械学習手法を提案する。
本手法はNiO-LSMO, BiFeO3, グラフェンなど様々な材料に適用される。
その結果,大量の画像データから有意な情報を抽出する手法の有効性が示された。
論文 参考訳（メタデータ） (2023-02-08T17:35:38Z) - 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) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - An Automated Scanning Transmission Electron Microscope Guided by Sparse
Data Analytics [0.0]
本稿では,新たに出現するスパースデータ分析によって導かれる閉ループ管楽器制御プラットフォームの設計について論じる。
機械学習によって通知される集中型コントローラが、限られた$a$$priori$知識とタスクベースの識別を組み合わせることで、オンザフライでの実験的な意思決定を駆動する様子を実証する。
論文 参考訳（メタデータ） (2021-09-30T00:25:35Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Harvesting data revolution for transmission electron microscopy (TEM)
using signal processing [8.228315909178573]
TEM(Transmission Electron Microscopy)は、物質構造をイメージングし、物質化学を特徴付ける強力なツールです。
近年のTEM用データ収集技術の進歩により,マイクロ秒フレームレートで高体積・高解像度のデータ収集が可能となった。
この課題は、画像解析、特徴抽出、ストリーミングデータ処理技術を含む、新しいデータ処理ツールの開発を必要とする。
論文 参考訳（メタデータ） (2021-04-18T02:56:04Z) - 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) - Data-Driven Discovery of Molecular Photoswitches with Multioutput
Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。
本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。
提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文 参考訳（メタデータ） (2020-06-28T20:59:03Z)
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。