原子级透射电镜图像自动化分析：发展与趋势

摘要

透射电子显微镜（Transmission electron microscopy,TEM）是材料科学研究的重要表征手段，能够以原子级分辨率深入探索材料的晶体或分子结构.然而，原子级TEM数据具有高噪声、多成像模式等特性，导致了人工分析的复杂性高，限制了其在大规模数据处理和自动化分析中的应用.近年来，以深度学习为代表的人工智能（Artificial Intelligence,AI）技术的快速发展为原子级TEM数据的自动化及智能化处理提供了新方法.本综述系统回顾了原子级TEM数据自动化分析的发展过程与最新进展，重点讨论了基于深度学习的图像质量提升、原子精准定位和表征分析方法.首先，总结了规则化和深度学习去噪技术在提高原子级图像质量方面的应用；其次，介绍了深度学习在原子定位中的突破性进展，包括利用卷积神经网络、生成对抗网络及自监督学习方法实现复杂背景下的原子精确定位；最后，探讨了基于AI的表征分析如何推动原子级材料微观结构解析、缺陷识别、相变行为等研究.此外，总结了当前技术发展面临的主要挑战，包括数据质量、模型泛化性、可解释性以及物理约束的融合问题，并以“智能电镜”为切入口，展望了未来的发展趋势.

关键词

透射电子显微镜(TEM) / 深度学习 / 原子定位 / 图像质量提升 / 自动化分析 / 材料表征

基金资助

科技创新2030-重大资助项目（2024ZD0608100）; 国家自然科学基金资助项目（U22A2022）